Silabus Pelajaran 21 dari 148 · Terlalu fokus pada diri sendiri
Terlalu fokus pada diri sendiri

Bandingkan daftar kamu

Kenapa ini penting Kamu tidak bisa tahu apakah pemikiranmu berbeda dari default sampai kamu menaruh ide kamu di sampingnya. Sebuah angka membuatmu tetap jujur.

Di masalah wrapped-log, tiga jawaban AI yang tersegel adalah: sort salinannya lalu binary search; jalan untuk mencari wrap lalu binary search; hitung setiap query secara langsung. Sebagai tag dari daftar tetap:

TAGS = {"load-all", "scan", "sort", "binary-search", "sample", "index", "math", "cache", "precompute"}
AI_TAGS = [{"load-all", "sort", "binary-search"},   # sort a copy
           {"scan", "binary-search"},                # walk to the wrap
           {"scan"}]                                 # count each query

Sekarang beri tag pada tiga pendekatanmu sendiri dengan cara yang sama, jujur saja: beri tag apa yang benar-benar akan dilakukan masing-masing, bukan apa yang terdengar bagus. Daftar dari masalah ada di draf yang kamu simpan; starter mencetaknya jika browser ini memilikinya.

Skor

A mendekati 1 berarti ide kamu adalah ide AI. Skor mendekati 0 berarti kamu mengeksplorasi ke tempat lain. Keduanya bukan nilai: pada banyak masalah, ide umum adalah benar. Ini memberitahu kamu di mana kamu memulai.

Ringkasan Tag kedua daftar dengan kata yang sama, pasangkan setiap milikmu dengan ide AI terdekat, rata-rata. Itu adalah overlap milikmu.

Giliranku

Tulis closest(mine, ai_sets): tumpang tindih set kata tertinggi (tag yang sama dibagi semua tag berbeda, 0 jika keduanya kosong) antara mine dan set apa pun di ai_sets; terima list atau set. Tulis overlap_with_ai(my_tags, ai_sets): rata-rata closest dari pendekatanmu (0 jika tidak ada). Tetapkan my_tags, satu list tag dari TAGS per pendekatan, lalu tetapkan score = overlap_with_ai(my_tags, AI_TAGS) dan cetak dengan pembulatan 2 tempat desimal.

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.