Կարճ պատասխան. Արհեստական բանականությունը կոդավորում չի պահանջում, եթե ձեր նպատակը գործիքների օգտագործումն է, բովանդակություն ստեղծելը, առօրյա աշխատանքը ավտոմատացնելը կամ պարզ աշխատանքային հոսքերի նախատիպեր ստեղծելը: Կոդավորումը կարևոր է դառնում, երբ դուք ցանկանում եք ստեղծել արհեստական բանականության հատուկ հավելվածներ, միացնել API-ները, մարզել մոդելներ, խորությամբ աշխատել տվյալների հետ կամ հետապնդել տեխնիկական արհեստական բանականության կարիերա:
Հիմնական եզրակացություններ՝
Մեկնարկային կետ. նախ օգտագործեք առանց կոդի արհեստական բանականություն, երբ ձեր նպատակը արտադրողականությունը, բովանդակությունը կամ ավտոմատացումն է։
Կառավարման կարիքներ. Սովորեք կոդավորում, երբ ձևանմուշները սկսում են սահմանափակել հարմարեցումը, ինտեգրացիաները, փորձարկումը կամ տեղակայումը:
Հմտությունների համադրություն. վաղ հասակից զարգացրեք արագ գրելու, տվյալների գրագիտության, քննադատական մտածողության և աշխատանքային հոսքի դիզայնի հմտությունները։
Կարիերայի ուղի՝ Տեխնիկական արհեստական բանականության դերերի համար առաջնահերթություն տվեք Python-ին, API-ներին, տվյալների բազաներին, գնահատմանը և տեղակայմանը։
Գործնական ուղի՝ կոդավորում ավելացնել միայն այն բանից հետո, երբ իրական նախագծերը բացահայտեն հստակ տեխնիկական սահմանափակումներ։
Հոդվածներ, որոնք կարող են ձեզ դուր գալ կարդալ սրանից հետո
🔗 Կարո՞ղ է արհեստական բանականությունը ինքնուրույն սովորել։
Ինչպես է արհեստական բանականությունը կատարելագործվում հետադարձ կապի միջոցով և ինչու են սահմանները դեռևս կարևոր։.
🔗 Ինչպե՞ս մարզել արհեստական բանականության ձայնային մոդելը։
Համաձայնեցված ձայնագրությունների, նախնական մշակման, նուրբ կարգավորման և իրատեսական փորձարկման քայլերը։.
🔗 Ի՞նչ է բացասական հուշումը արհեստական բանականության մեջ։
Օգտագործեք բացասական հուշումներ՝ մշուշոտությունը, խառնաշփոթը և անցանկալի ոճերը կանխելու համար։.
🔗 Արհեստական բանականությունը կենդանի՞ է։
Ինչու է արհեստական բանականությունը թվում կենդանի, և պնդում է գիտակցության հիմքում ընկած գիտությունը։.
1. Արագ պատասխան. Արդյո՞ք արհեստական բանականությունը պահանջում է կոդավորում: ⚡
Ամենապարզ պատասխանը հետևյալն է
Ոչ, արհեստական բանականությունը միշտ չէ, որ պահանջում է ծրագրավորում։ Սակայն ծրագրավորումը ձեզ ավելի շատ վերահսկողություն, ճկունություն և կարիերայի հնարավորություններ է տալիս։.
Դա ամբողջ սենդվիչն է։ Հացը, միջուկը, գուցե նույնիսկ մի փոքր թրջված հազարը։.
Դուք կարող եք փոխազդել արհեստական բանականության հետ բնական լեզվի միջոցով: Կարող եք գրել հուշումներ, վերբեռնել ֆայլեր, ստեղծել պատկերներ, ամփոփել հաշվետվություններ, կառուցել պարզ ավտոմատացումներ և օգտագործել առանց կոդի արհեստական բանականության հարթակներ: Սա նշանակում է, որ մարքեթոլոգները, ուսուցիչները, դիզայներները, բիզնեսի սեփականատերերը, գրողները, ուսանողները, հետազոտողները և առօրյա օգտագործողները կարող են օգտվել արհեստական բանականությունից՝ առանց ծրագրավորող դառնալու:
Բայց որքան խորանում եք, այնքան ավելի շատ կոդավորում է սկսում կարևորվել։ Եթե ցանկանում եք կառուցել արհեստական բանականության մոդելներ, միացնել API-ներ, կառավարել տվյալների հավաքածուներ, կատարելագործել համակարգերը, տեղակայել հավելվածներ կամ լուծել մեքենայական ուսուցման յուրօրինակ սխալներ, որոնք ձեզ մեղուներով լի լվացքի մեքենայի պես են զգացնում 🐝, կոդավորումը չափազանց արժեքավոր է։
Այսպիսով, երբ մարդիկ հարցնում են՝ « Արդյո՞ք արհեստական բանականությունը պահանջում է կոդավորում», նրանք սովորաբար երկրորդ հարցն են տալիս ստորև.
«Կարո՞ղ եմ սովորել արհեստական բանականություն, նույնիսկ եթե տեխնիկական մասնագետ չեմ»։
Եվ պատասխանը բացարձակապես այո է։.
2. Ի՞նչն է լավ պատասխան դարձնում «Արդյո՞ք արհեստական բանականությունը պահանջում է կոդավորում» հարցին 🎯
Լավ պատասխանը չպետք է վախեցնի սկսնակներին։ Այն նաև չպետք է ձևացնի, թե կոդավորումը անտեղի է, քանի որ դա մի փոքր չափազանց մեղմ կլինի։.
Արդյո՞ք արհեստական բանականությունը պահանջում է կոդավորում: հարցի հստակ պատասխանը պետք է բացատրի երեք բան.
-
Ինչպիսի՞ արհեստական բանականության աշխատանք եք ուզում անել
-
Որքան վերահսկողություն է ձեզ անհրաժեշտ
-
Անկախ նրանից, թե ձեր նպատակը օգտագործումն է, ավտոմատացումը, արտադրանքի ստեղծումը, թե՞ մասնագիտական զարգացումը
Մեծ տարբերություն կա արհեստական ինտելեկտի գրող օգնական օգտագործելու և առաջարկությունների շարժիչ կառուցելու միջև։ Կա նաև հսկայական տարբերություն չաթբոտին դասի պլան ստեղծելու խնդրանքի և նեյրոնային ցանցը հատուկ տվյալների վրա մարզելու միջև։
Լավ պատասխանը պետք է տեղ ազատի երկու իրականությունների համար՝
-
Կարող եք սկսել արհեստական բանականությունից՝ օգտագործելով պարզ անգլերեն։.
-
Դուք կարող եք շատ ավելի հեռու գնալ կոդավորմամբ։.
-
Անհրաժեշտ չէ միանգամից տիրապետել ամեն ինչի։.
-
Արհեստական բանականությունը սովորելը մեկ ճանապարհ չէ. այն ավելի շատ նման է ընդարձակ առևտրի կենտրոնի՝ շփոթեցնող ցուցանակներով, բայց ի վերջո դուք կգտնեք սննդի կետը 🍟
Պատասխանի լավագույն տարբերակը գործնականն է։ Այն օգնում է ձեզ ընտրել ձեր ուղին, այլ ոչ թե արհեստական բանականությունը հնչեցնում է որպես փակ ամրոց, որը պահպանում են մաթեմատիկական վիշապները։.
3. Արհեստական բանականություն առանց կոդավորման. Ինչ կարող եք անել 🛠️
Դուք կարող եք զարմանալիորեն շատ բան անել արհեստական բանականության միջոցով՝ առանց կոդին դիպչելու։ Ահա թե որտեղից պետք է սկսեն շատ սկսնակներ։.
Առանց կոդի արհեստական բանականության գործիքները թույլ են տալիս օգտագործել արհեստական բանականությունը կոճակների, ձևերի, ձևանմուշների, քաշելու և թողնելու կառուցողների և բնական լեզվի հուշումների միջոցով: Դուք նկարագրում եք, թե ինչ եք ուզում, և գործիքը հոգ է տանում տեխնիկական կողմի մասին:
Առանց կոդավորման, դուք կարող եք
-
Ստեղծեք բլոգի գրառումներ, էլեկտրոնային նամակներ, սկրիպտներ և հաշվետվություններ ✍️
-
Ստեղծեք պատկերներ, մակետներ, լոգոներ և տեսողական կոնցեպտներ 🎨
-
Ստեղծեք պարզ չաթբոտներ հաճախորդների աջակցության համար
-
Ամփոփեք փաստաթղթերը և հանդիպման նշումները
-
Վերլուծեք աղյուսակները և արդյունահանեք կաղապարներ
-
Ավտոմատացրեք կրկնվող բիզնես առաջադրանքները
-
Կառուցեք արհեստական բանականության հիմնական աշխատանքային հոսքեր հավելվածների միջև
-
Ստեղծեք սոցիալական մեդիայի բովանդակության օրացույցներ
-
Թարգմանեք և վերաշարադրեք տեքստը
-
Նախագծային առաջարկներ, ռեզյումեներ և վաճառքի օրինակներ
Սա «կեղծ արհեստական ինտելեկտի աշխատանք» չէ։ Սա իրական արտադրողականություն է։ Հատկանշական է, որ շատերը թերագնահատում են այն, քանի որ կոդ չի պահանջվում։ Բայց արդյունքները կարևոր են։ Եթե արհեստական ինտելեկտը խնայում է հինգ ժամվա ֆիզիկական աշխատանք, ոչ ոք չպետք է կանգնի ու ասի. «Հըմմ, այո, բայց տեխնիկապես բավականաչափ տառապե՞լ ես»։
Առանց կոդի արհեստական բանականությունը հատկապես օգտակար է բիզնես օգտատերերի, ազատ մասնագետների, ստեղծագործողների, մանկավարժների և փոքր թիմերի համար: Դուք ստանում եք արագություն: Դուք ստանում եք պարզություն: Դուք խուսափում եք տեխնիկական կարգավորման գլխացավերից:.
Փոխզիջո՞ւմ։ Դուք կարող եք սահմանափակվել։ Առանց կոդի գործիքները հարմար են, բայց դրանք սովորաբար ձեզ լիակատար վերահսկողություն չեն տալիս արհեստական բանականության կուլիսներում վարքագծի նկատմամբ։
4. Համեմատական աղյուսակ. Առանց կոդի, ցածր կոդի և կոդավորման արհեստական բանականության ուղիներ 📊
| Արհեստական բանականության ուղի | Լավագույնը | Կոդավորումը պե՞տք է։ | Ինչ կարող եք կառուցել | Դժվարություն | Անկեղծ մեկնաբանություն |
|---|---|---|---|---|---|
| Առանց կոդի արհեստական բանականություն | Սկսնակներ, մարքեթոլոգներ, ուսուցիչներ, ստեղծագործողներ | Ոչ | Բովանդակություն, չաթբոտներ, ավտոմատացումներ, ամփոփումներ | Հեշտ | Հիանալի մեկնարկային կետ, երբեմն մի փոքր սահմանափակ |
| Ցածր կոդով արհեստական բանականություն | Վերլուծաբաններ, արտադրանքի մենեջերներ, առաջադեմ օգտատերեր | Որոշ | Անհատականացված աշխատանքային հոսքեր, API կապեր, վահանակներ | Միջին | Հզոր միջին դիրք՝ անհարմար անուն, չնայած |
| Կոդի վրա հիմնված արհեստական բանականություն | Մշակողներ, տվյալների գիտնականներ, արհեստական բանականության ինժեներներ | Այո | Հավելվածներ, մոդելներ, գործակալներ, մեքենայական ուսուցման խողովակաշարեր | Ավելի դժվար | Ավելի շատ հզորություն, ավելի շատ միջատներ, ավելի շատ սուրճ ☕ |
| Արագության վրա հիմնված արհեստական բանականություն | Գրեթե բոլորը | Ոչ | Գաղափարներ, նախագծեր, հետազոտական օգնություն, պլանավորում | Հեշտ | Հմտությունը դեռևս կարևոր է, նույնիսկ առանց կոդի |
| Արհեստական բանականության ճարտարագիտություն | Տեխնիկական մասնագետներ | Այո, ուժեղ | Արտադրության արհեստական բանականության գործիքներ և համակարգեր | Ընդլայնված | Ահա թե որտեղ է կոդավորումը դառնում մեծ գդալը |
| Տվյալների գիտություն արհեստական բանականության միջոցով | Վերլուծաբաններ և հետազոտողներ | Սովորաբար այո | Կանխատեսումներ, փորձեր, մոդելներ | Միջին կոշտ | Մաթեմատիկան միանում է երեկույթին՝ անկախ նրանից՝ հրավիրված է, թե ոչ |
5. Երբ արհեստական բանականության համար կոդավորման կարիք չունեք 🌱
Դուք հավանաբար չունեք , եթե ձեր գլխավոր նպատակը արհեստական բանականությունն օգտագործելն է որպես արտադրողականության գործիք։
Օրինակ, եթե ցանկանում եք, որ արհեստական բանականությունը օգնի ձեզ գրելիս, գաղափարների փոխանակման, պլանավորման, ամփոփման, նախագծման, հետազոտության կամ աշխատանքի կազմակերպման հարցում, կոդավորումը պարտադիր չէ: Ձեզ անհրաժեշտ է լավ դատողություն, ուժեղ հուշումներև գործիքի կարողության և անելիքների ըմբռնում:
Դուք նաև կոդավորման կարիք չունեք, եթե արհեստական բանականություն եք օգտագործում արդեն իսկ գոյություն ունեցող ծրագրային ապահովման մեջ։ Շատ առօրյա հարթակներ այժմ իրենց ինտերֆեյսներում ներառում են արհեստական բանականության գործառույթներ։ Դուք սեղմում եք կոճակը, մուտքագրում հրահանգներ և ստանում եք արդյունք։ Դա բավարար է շատ օգտատերերի համար։
Դուք կարող է կոդավորման կարիք չունենաք, եթե դուք՝
-
Արհեստական բանականություն օգտագործող բովանդակության ստեղծող՝ գրառումներ կազմելու համար 🎬
-
Ուսուցիչը ստեղծում է վիկտորինաներ կամ դասի պլաններ
-
Ռեքրութերի մասնագետը ստուգում և կազմակերպում է ռեզյումեները
-
Դիզայներ, որը ստեղծում է տրամադրության տախտակներ
-
Բիզնեսի սեփականատերը ստեղծում է հաճախորդների աջակցության պատասխաններ
-
Ուսանողը ամփոփում է գրառումները
-
Վաճառող, որը գրում է տեղեկատվական հաղորդագրություններ
-
Մենեջերը հանդիպումները վերածում է գործողությունների
Այս դեպքերում ավելի լավ հմտությունը ծրագրավորումը չէ։ Այն իմանալն է, թե ինչպես հարցնել, գնահատել, կատարելագործել և կիրառել արհեստական բանականության արդյունքները։ Դա պարզ է հնչում, բայց դա իսկական հմտություն է։ Հուշելը նման է շատ արագաշարժ պրակտիկանտին ուղղություններ տալուն, ով գրեթե ամեն ինչ կարդացել է, բայց միևնույն է, կարող է վստահորեն ձեզ բանան տալ, երբ դուք խնդրեք սեպլերի համար 🍌
6. Երբ կոդավորումը կարևոր է դառնում արհեստական բանականության մեջ 💻
Կոդավորումը կարևոր է դառնում, երբ դուք ցանկանում եք անցնել «արհեստական բանականության օգտագործումից» «արհեստական բանականությամբ կառուցելու»։
Կա տարբերություն։.
Արհեստական բանականության օգտագործումը նշանակում է, որ դուք բացում եք գործիք և խնդրում եք այն ինչ-որ բան անել: Արհեստական բանականության միջոցով կառուցելը նշանակում է, որ դուք ստեղծում եք համակարգեր, արտադրանք, ավտոմատացումներ կամ մոդելներ, որտեղ արհեստական բանականությունը մեխանիզմի մի մասն է կազմում:.
Ձեզ հավանաբար կոդավորում անհրաժեշտ կլինի, եթե ցանկանում եք
-
Ստեղծեք արհեստական բանականությամբ աշխատող վեբ կամ բջջային հավելված
-
Արհեստական բանականության մոդելները կապեք տվյալների բազաների հետ
-
Օգտագործեք արհեստական բանականության API-ներ անհատականացված ծրագրաշարում
-
Մեքենայական ուսուցման մոդելների մարզում կամ ճշգրտում
-
Մաքրել և մշակել մեծ տվյալների հավաքածուներ
-
Կառուցեք առաջարկությունների համակարգեր
-
Ստեղծեք արհեստական բանականության գործակալներ, որոնք կատարում են բազմափուլ առաջադրանքներ
-
Տեղադրեք արհեստական բանականության գործիքներ օգտատերերի համար
-
Հետևեք աշխատանքին, սխալներին, ծախսերին և անվտանգությանը
-
Անհատականացրեք մոդելի վարքագիծը հիմնական կարգավորումներից այն կողմ
Արհեստական բանականության համար ամենատարածված ծրագրավորման լեզուն Python-ն։ Այն հայտնի է, քանի որ այն ընթեռնելի է, ճկուն և ունի գրադարանների հսկայական էկոհամակարգ մեքենայական ուսուցման, տվյալների վերլուծության, ավտոմատացման և մոդելների մշակման համար։
Սակայն Python-ը միակ արժեքավոր լեզուն չէ: JavaScript-ը օգտակար է արհեստական բանականության վեբ հավելվածների համար: SQL-ը կարևոր է տվյալների հետ աշխատելու համար: R-ը օգտագործվում է վիճակագրության վրա հիմնված միջավայրերում: Նույնիսկ հրամանային տողի տարրական հարմարավետությունն է օգնում:.
Կոդավորումը արհեստական բանականությունը ձեր օգտագործած գործիքից վերածում է մի համակարգի, որը կարող եք ձևավորել։ Սա է մեծ տարբերությունը։.
7. Ծրագրավորումից բացի կարևոր հմտություններ 🧩
Ահա թե որտեղ են սկսնակները հաճելիորեն զարմանում. ծրագրավորումը արհեստական բանականության մեջ կարևոր միակ հմտությունը չէ։ Նույնիսկ մոտավոր չէ դրան։.
Արհեստական ինտելեկտի աշխատանքը կախված է նաև պարզ մտածելուց, խնդիրները հասկանալուց, լավ շփվելուց և գեղեցիկ բաճկոն հագնելուց՝ արդյունքները արժեքավոր են, թե անհեթեթ։.
Արհեստական բանականության կարևոր հմտությունները ներառում են՝
-
Արագ գրելը ՝ տալով հստակ հրահանգներ և սահմանափակումներ
-
Խնդրի ձևակերպում - իմանալ, թե ինչ եք փորձում լուծել
-
Տվյալների գրագիտություն ՝ օրինաչափությունների, որակի և կողմնակալության ըմբռնում
-
Քննադատական մտածողություն ՝ ստուգելով, թե արդյոք արհեստական բանականության արդյունքները ճշգրիտ են
-
Դիրքային գիտելիքներ ՝ ձեր ոլորտի կամ առարկայի իմացություն
-
Աշխատանքային հոսքի դիզայն ՝ արհեստական բանականության ինտեգրում իրական գործընթացների մեջ
-
Էթիկական դատողություն ՝ վնասակար, մոլորեցնող կամ անզգույշ օգտագործումից խուսափելը
-
Փորձարկում և իտերացիա ՝ արդյունքների բարելավում փորձարկման և սխալի միջոցով
Իմ սեփական արհեստական ինտելեկտի աշխատանքային հոսքերի փորձարկումների ժամանակ, ամենամեծ բարելավումները հաճախ գալիս են ավելի լավ հրահանգներից և ավելի մաքուր մուտքագրումներից, այլ ոչ թե ավելի տեխնիկական բարդությունից: Կոպիտ հուշումը կարող է փչացնել լավ գործիքը: Հստակ հուշումը կարող է նույնիսկ պարզ գործիքը դարձնել բավականին հզոր:.
Այնպես որ, ոչ, կոդավորումը միակ ելքը չէ։ Երբեմն այն մարդը, ով հասկանում է հաճախորդին, դասարանը, իրավական փաստաթուղթը, հիվանդի ընդունման ձևաթուղթը կամ մարքեթինգային խողովակը, ավելի շատ արժեք է ստանում արհեստական բանականությունից, քան նա, ով գիտի միայն տեխնիկապես բարդ կոդ գրել։.
Սա ծրագրավորողներին քննադատություն չէ։ Ծրագրավորողները հիանալի են։ Բայց արհեստական բանականությունը նաև համատեքստը խրախուսում է։.
8. Լավագույն սկսնակի ուղին. Ինչպես սովորել արհեստական բանականություն առանց նախապես կոդավորելու 🚶♀️
Եթե նորեկ եք, սկսեք պարզից։ Մի՛ սկսեք նեյրոնային ցանցը զրոյից մարզելուց, եթե միայն հոբբի չեք սիրում հուզական վնաս հասցնել։.
Ավելի լավ սկսնակների համար նախատեսված ուղին այսպիսին է թվում
Քայլ 1. Իմացեք, թե ինչ կարող է և ինչ չի կարող անել արհեստական բանականությունը
Օգտագործեք արհեստական բանականության գործիքներ առօրյա առաջադրանքների համար: Խնդրեք նրանց ամփոփել, վերաշարադրել, դասակարգել, համեմատել, գաղափարներ փոխանակել և բացատրել: Ուշադրություն դարձրեք, թե որտեղ են նրանք օգնում և որտեղ են սխալներ թույլ տալիս:
Քայլ 2. Պրակտիկա արագ գրելու մեջ
Փորձեք ավելի հստակ դերեր, օրինակներ, ձևաչափեր և սահմանափակումներ տալ։ Օրինակ՝ «գրել գրառում» ասելու փոխարեն նշեք, թե ում համար է այն նախատեսված, ինչ տոնայնություն պետք է օգտագործի, ինչից խուսափել և ինչ ձևաչափ եք ուզում։.
Քայլ 3. Կառուցեք փոքր, առանց կոդի աշխատանքային հոսքեր
Կապեք արհեստական բանականությունը պարզ առաջադրանքների հետ, ինչպիսիք են էլփոստի նախագծումը, աղյուսակների մաքրումը, բովանդակության վերաօգտագործումը կամ հաճախորդների պատասխանների ձևանմուշները։.
Քայլ 4. Սովորեք տվյալների հիմնական հասկացությունները
Հասկացեք տողերը, սյուները, պիտակները, կատեգորիաները, օրինաչափությունները, արտառոց արժեքները և մոտավոր մուտքային տվյալները: Տվյալները հող են, որտեղ արհեստական բանականությունը աճում է՝ երբեմն հարուստ, երբեմն՝ քարերով լի:.
Քայլ 5. Լույսի կոդավորումը ավելացրեք միայն անհրաժեշտության դեպքում
Երբ կոդ չպահանջող գործիքները սկսում են չափազանց սահմանափակ թվալ, սովորեք Python-ի կամ JavaScript-ի հիմունքները։ Մի՛ սովորեք ամեն ինչ։ Սովորեք բավականաչափ՝ հաջորդ խնդիրը լուծելու համար։.
Այս ուղին ձեզ շարժման մեջ է պահում։ Այն նաև կանխում է սկսնակների դասական սխալը՝ ամիսներ անցկացնել տեխնիկական տեսություն սովորելով՝ առանց երբևէ արհեստական բանականություն օգտագործելու՝ արժեքավոր բան ստեղծելու համար։.
9. Արհեստական բանականության ոլորտում կարիերայի համար լավագույն ծրագրավորման ուղին 🧑💻
Եթե ձեր նպատակը արհեստական բանականության ոլորտում մասնագիտորեն աշխատելն է, կոդավորումն ավելի կարևոր է։.
Տեխնիկական արհեստական բանականության դերերի համար դուք պետք է հիմք ստեղծեք հետևյալի վրա՝
-
Python ծրագրավորում
-
Տվյալների կառուցվածքներ և հիմնական ալգորիթմներ
-
Վիճակագրություն և հավանականություն
-
Մեքենայական ուսուցման հասկացություններ
-
Տվյալների մաքրում և նախնական մշակում
-
Մոդելի գնահատում
-
API-ների և ծրագրային ապահովման ինտեգրացիա
-
Տվյալների բազաներ և SQL
-
Տարբերակի կառավարում
-
Ամպի հիմունքներ
-
Անվտանգության և գաղտնիության հիմունքներ
Անհրաժեշտ չէ մեկ գիշերվա ընթացքում հանճար դառնալ։ Այդ ամբողջ «սովորել արհեստական բանականությունը մեկ շաբաթում» միտքը հիմնականում ինտերնետային կոնֆետի է։ Բայց դուք կարող եք աստիճանաբար զարգացնել գիտելիքները։.
Գործնական ուղին նախ Python-ի հիմունքներն սովորելն է, ապա տվյալների վերլուծությանը, մեքենայական ուսուցմանը, ապա արհեստական բանականության կիրառությունների մշակմանը անցնելը։ Ճանապարհին ստեղծեք փոքր նախագծեր։ Նախագծերը ձեզ սովորեցնում են նյարդայնացնող գործնական բաներ՝ կոտրված տվյալներ, անորոշ պահանջներ, շփոթեցնող սխալներ և այն մեկ ստորակետը, որը փչացնում է ձեր կեսօրը։
Լավ սկսնակ արհեստական բանականության կոդավորման նախագծերը ներառում են
-
Տեքստի դասակարգիչ
-
Պարզ չաթբոտ
-
Փաստաթղթերի ամփոփագիր
-
Խորհուրդների գործիք
-
Զգացմունքների վերլուծիչ
-
Անձնական արտադրողականության օգնական
-
Փոքր հավելված՝ օգտագործելով AI API
-
Տվյալների վահանակ՝ կանխատեսումներով
Նպատակը հաջորդ հսկա արհեստական բանականության հարթակը անմիջապես կառուցելը չէ։ Նպատակն է սովորել, թե ինչպես են մասերը միանում միմյանց։.
10. Արհեստական բանականության և կոդավորման մասին տարածված առասպելներ 🧨
Կան մի քանի առասպելներ, որոնք թեման ավելի շփոթեցնող են դարձնում, քան անհրաժեշտ է։.
Միֆ 1. «Արհեստական բանականությանը դիպչելուց առաջ պետք է խորացված մաթեմատիկա իմանալ»
Ճիշտ չէ։ Մաթեմատիկայի խորացված գիտելիքները օգնում են հետազոտություններին և խորը մեքենայական ուսուցմանը, սակայն սկսնակները կարող են օգտագործել արհեստական բանականության գործիքներ և կառուցել արժեքավոր աշխատանքային հոսքեր՝ առանց այդտեղից սկսելու։.
Միֆ 2. «Առանց կոդի արհեստական բանականությունը միայն անլուրջ օգտատերերի համար է»
Նաև սխալ է։ Առանց կոդի արհեստական բանականությունը կարող է խնայել ժամանակ և լուծել իրական բիզնես խնդիրներ։ Այն կարող է բավարար չլինել յուրաքանչյուր իրավիճակի համար, բայց այն խաղալիք չէ։
Միֆ 3. «Կոդավորումն ինքնին ձեզ լավ է դարձնում արհեստական բանականության մեջ»
Ոչ։ Կոդավորումը օգնում է, բայց խնդիրների վատ ձևակերպումը հանգեցնում է արհեստական բանականության թույլ համակարգերի։ Ձեզ անհրաժեշտ է դատողություն, տվյալների նկատմամբ իրազեկվածություն, թեստավորում և օգտատիրոջ հասկացողություն։.
Միֆ 4. «Արհեստական բանականությունը կոդավորումը կդարձնի ավելորդ»
Սա բարդ է։ Արհեստական բանականությունը կարող է օգնել կոդ գրել, բացատրել, վրիպազերծել կոդըև արագացնել մշակումը։ Սակայն կոդի հասկացումը դեռևս կարևոր է, հատկապես, երբ ինչ-որ բան խափանվում է կամ երբ խոսքը անվտանգության, որակի և արդյունավետության մասին է։
Միֆ 5. «Դուք պետք է ընդմիշտ ընտրեք առանց կոդի և կոդավորման միջև»
Ամենևին էլ ոչ։ Շատերը սկսում են առանց կոդի գործիքներով, այնուհետև սովորում են թեթև կոդավորում, ապա ավելի տեխնիկական են դառնում՝ իրենց կարիքների աճին զուգընթաց։ Սա սանդուղք է, ոչ թե դաջվածք։.
11. Այսպիսով, պե՞տք է սովորել ծրագրավորում արհեստական բանականության համար։ 🧭
Դուք պետք է սովորեք արհեստական բանականության համար կոդավորում, եթե ցանկանում եք ավելի խորը վերահսկողություն, տեխնիկական կարիերայի հնարավորություններ կամ արհեստական բանականության համար անհատականացված արտադրանք ստեղծելու կարողություն։.
Դուք նախ ծրագրավորում սովորելու կարիք չունեք, եթե ձեր նպատակն է արհեստական բանականությունն օգտագործել արտադրողականության, ստեղծագործականության, բիզնես առաջադրանքների կամ առօրյա խնդիրների լուծման համար։.
Ահա գործնական բաժանումը
-
Ուզո՞ւմ եք ավելի լավ օգտագործել արհեստական բանականությունը: Սովորեք հուշումներ, աշխատանքային հոսքի նախագծում և քննադատական գնահատում:
-
Ցանկանո՞ւմ եք ավտոմատացնել առաջադրանքները: Սկսեք առանց կոդի կամ ցածր կոդի գործիքներից:
-
Ուզո՞ւմ եք ստեղծել արհեստական բանականության հավելվածներ: Սովորեք API-ներ, Python կամ JavaScript և ծրագրային ապահովման մշակման հիմունքներ:
-
Ուզո՞ւմ եք դառնալ արհեստական բանականության ինժեներ կամ տվյալագետ։ Սովորեք կոդավորում, մաթեմատիկա, մեքենայական ուսուցում և տեղակայում։
-
Ուզո՞ւմ եք ռազմավարական առումով հասկանալ արհեստական բանականությունը։ Սովորեք հասկացությունները, սահմանափակումները, ռիսկերը և կիրառման դեպքերը։
Սխալը կայանում է նրանում, որ կարծում եք, թե արհեստական ինտելեկտի մեջ միայն մեկ դուռ կա։ Դրանք շատ են։ Որոշները կոդ ունեն։ Որոշները՝ վահանակներ։ Որոշները՝ աղյուսակներ։ Որոշները՝ թարթող կուրսոր և փոքրիկ սխալի հաղորդագրություն, որը տասը րոպեով փչացնում է ձեր անհատականությունը։.
12. Եզրափակիչ պատասխան. Արդյո՞ք արհեստական բանականությունը պահանջում է կոդավորում։ ✅
Այսպիսով, արհեստական բանականությունը պահանջո՞ւմ է կոդավորում։ Ոչ միշտ։
Արհեստական բանականությունն այժմ բավականաչափ լայն է, որպեսզի ոչ ծրագրավորողները կարողանան այն իմաստալից, ստեղծագործաբար և պրոֆեսիոնալ կերպով օգտագործել: Դուք կարող եք լուրջ արժեք ստանալ արհեստական բանականությունից՝ հուշումների, կոդ չպահանջող գործիքների, աշխատանքային հոսքի ավտոմատացման և առկա հարթակների խելացի օգտագործման միջոցով:
Բայց կոդավորումը դեռևս կարևոր է։ Շատ կարևոր է։ Այն դառնում է անհրաժեշտ, երբ դուք ցանկանում եք կառուցել անհատական համակարգեր, խորությամբ աշխատել տվյալների հետ, մարզել մոդելներ, միացնել գործիքներ կամ հետապնդել տեխնիկական արհեստական բանականության կարիերա։
Լավագույն մոտեցումը խուճապի չմատնվելն է՝ ամեն ինչ սովորելը։ Սկսեք ձեր նպատակից։.
Եթե ցանկանում եք արտադրողականություն, սկսեք առանց կոդի արհեստական ինտելեկտից։
Եթե ցանկանում եք ճկունություն, սովորեք ցածր կոդով աշխատանքային հոսքեր։
Եթե ցանկանում եք կառուցել հզոր արհեստական ինտելեկտի համակարգեր, սովորեք ծրագրավորում։
Արհեստական բանականությունը չի պահանջում, որ բոլորը դառնան ծրագրավորող։ Սակայն այն պարգևատրում է այն մարդկանց, ովքեր հետաքրքրասեր են մնում, հաճախ փորձարկումներ են անում և ձեռք են բերում բավականաչափ տեխնիկական հմտություններ՝ հաջորդ դուռը բացելու համար։ Սա շատ ավելի հաճելի հրավեր է, քան «գնա անգիր սովորիր հազարավոր շարահյուսական կանոններ, նախքան ներս մտնելը»։
Իրական աշխարհի օրինակ՝ առանց կոդի արհեստական բանականության աջակցության օգնականի կառուցում
Սցենար
Պատկերացրեք մի փոքրիկ առցանց բույսերի խանութ, որտեղ երկու մարդ զբաղվում է հաճախորդների սպասարկմամբ։ Ամեն շաբաթ նրանք ստանում են նույն տեսակի հարցեր
«Որտե՞ղ է իմ պատվերը»։
«Կարո՞ղ եմ վերադարձնել վնասված բույսը»։
«Ո՞ր բույսն է անվտանգ ընտանի կենդանիների համար»։
«Կարո՞ղ եմ փոխել առաքման հասցեն»։
Թիմը դեռևս կարիք չունի ստեղծելու արհեստական բանականության համար նախատեսված հատուկ հավելված։ Նրանց անհրաժեշտ են ավելի արագ նախնական նախագծեր, ավելի քիչ կրկնվող պատասխաններ և հաստատուն տոն։ Սա ամուր հիմք է կոդավորմանը անցնելուց առաջ առանց կոդի արհեստական բանականություն փորձելու համար։.
Օգնականի աշխատանքը պատասխանները ավտոմատ կերպով ուղարկելը չէ: Նրա դերն է կազմել պատասխանների նախագծեր, որոնք մարդը կդիտարկի ուղարկելուց առաջ: Դա աշխատանքային հոսքը դարձնում է պարզ, օգտակար և անվտանգ:.
Ինչ է պետք օգնականին
Առանց կոդի օգնականին պետք է տրվի փոքր, բայց հստակ գիտելիքների բազա
Առաքման քաղաքականություն
Վերադարձի և վերադարձի քաղաքականություն
Բույսերի խնամքի ուղեցույց
Կենդանիների համար անվտանգ բույսերի ցանկ
Տոնային ուղեցույց՝ 3-5 օրինակ պատասխաններով
Վերադարձի, բողոքների կամ անորոշ դեպքերի դեպքում սրման կանոններ
Պարզ «չպատասխանելու» կանոն՝ խանութի իմացությունից դուրս հարցերի համար
Սա կարևոր է, քանի որ օգնականի որակը ավելի շատ կախված է մոգությունից և ավելի շատ՝ պարզ հրահանգներից։ Անորոշ օգնականը կռահում է։ Լավ սնված օգնականը գրում է ավելի ուժեղ պատասխաններ։.
Օրինակային հրահանգ
Դուք հաճախորդների սպասարկման նախագծման օգնական եք փոքր առցանց բույսերի խանութում: Օգտագործեք միայն վերբեռնված քաղաքականության և խնամքի ուղեցույցների տեղեկատվությունը: Գրեք ջերմ, հստակ պատասխաններ բրիտանական անգլերենով: Պատասխանները պահեք 120 բառից պակաս, եթե հաճախորդը չի խնդրում մանրամասն խնամքի խորհրդատվություն: Մի խոստացեք վերադարձ, փոխարինում կամ առաքման ամսաթվեր, եթե քաղաքականությունը հստակորեն չի աջակցում դրան: Եթե հաճախորդը զայրացած է, մեկ անգամ ներողություն խնդրեք, ընդունեք խնդիրը և առաջարկեք հաջորդ քայլը: Եթե պատասխանը փաստաթղթերում չէ, ասեք, որ թիմի անդամը պետք է վերանայի այն:.
Ինչպես փորձարկել այն
Մինչև իրական հաճախորդների հետ օգտագործելը, փորձարկեք այն հին աջակցության հաղորդագրությունների վրա։.
Փորձեք առնվազն 20 անցյալի տոմս, ներառյալ հեշտ, դժվար և անհարմար օրինակներ։
Պարզ առաքման թարմացման հարցում
Վնասված իրի բողոք
Վերադարձի պատուհանից դուրս գումարի վերադարձման հարցում
Կենդանիների անվտանգության հարց
Անորոշ հաղորդագրություն՝ պատվերի մանրամասների բացակայությամբ
Զայրացած հաճախորդը փոխհատուցում է պահանջում
Հարց, որը չի քննարկվել վերբեռնված փաստաթղթերում
Յուրաքանչյուր նախագծի համար ստուգեք երեք բան
Արդյո՞ք պատասխանը փաստացիորեն հիմնավորված է քաղաքականությամբ։
Արդյո՞ք այն օգտագործում է ճիշտ տոնը։
Արդյո՞ք մարդկային աջակցության գործակալը կուղարկի այն արագ վերանայումից հետո։
Ահա թե որտեղ են շատ սկսնակներ սովորում «Արդյո՞ք արհեստական բանականությունը պահանջում է կոդավորում» հարցի պատասխանը։ Առաջին բարելավումը սովորաբար գալիս է ավելի լավ փաստաթղթերից, ավելի լավ հրահանգներից և ավելի լավ թեստավորումից, այլ ոչ թե կոդ գրելուց։.
Արդյունք
Օրինակելի արդյունք. Հիմնվելով այս առանց կոդի աշխատանքային հոսքի օգտագործումից առաջ և հետո 20 նմուշային աջակցության տոմսերի ժամանակագրության հաշվարկման վրա, թիմը կրճատել է առաջին նախագծի պատասխանի ժամանակը տոմսի համար 7 րոպեից մինչև 2.5 րոպե։.
Դա նշանակում է, որ 20 պատասխանի նախագծման մոտ 140 րոպեից այն դարձել է 50 րոպե, խնայելով մոտ 90 րոպե թեստային խմբաքանակի վրա։.
Որակը դեռևս մարդկային ստուգման կարիք ուներ։ Առաջին փորձարկման ժամանակ արհեստական բանականության 20 նախագծերից 6-ում քաղաքականության որևէ մանրամասնություն բաց էր թողնված կամ չափազանց վստահ էր հնչում։ Ավելի հստակ վերադարձի կանոններ, կենդանիների անվտանգության օրինակներ և էսկալացիայի հրահանգ ավելացնելուց հետո այդ թիվը նվազեց մինչև 20 նախագծերից 1-ը, որոնք կարիք ունեին խոշոր վերաշարադրման։.
Այս թվերը համընդհանուր խոստում չեն։ Դրանք այնպիսի պարզ կատարողականի տվյալներ են, որոնք ընթերցողը կարող է չափել՝ ժամանակացույց կազմելով առաջադրանքների համար, հաշվելով վերաշարադրումները և յուրաքանչյուր պատասխանը համեմատելով փոքր քաղաքականության ստուգաթերթիկի հետ։.
Ի՞նչը կարող է սխալ ընթանալ
Օգնականը դեռ կարող է սխալներ թույլ տալ։ Այն կարող է վստահ թվալ այնպիսի քաղաքականության վերաբերյալ, որը չի տեսել։ Այն կարող է պատասխանել ընդհանուր գիտելիքներից ելնելով, այլ ոչ թե խանութի կանոններից։ Այն կարող է տալ վերադարձի պատասխան, որը պետք է մշակի մարդը։.
Հաճախակի սխալները ներառում են
Հնացած քաղաքականությունների վերբեռնում
Օգնականին չափազանց շատ անորոշ փաստաթղթեր տրամադրելը
Թույլ տալով արհեստական բանականությանը ուղարկել պատասխաններ առանց վերանայման
Դժվար հաճախորդների հաղորդագրությունները ստուգելու ձախողում
Գործարկումից հետո սխալները չեն հետևում
Լուծումը պարզ է, բայց արդյունավետ. պահպանել գիտելիքների բազան արդիական, վերանայել արդյունքները, գրանցել սխալները և թարմացնել հրահանգները, երբ օրինաչափություններ են հայտնվում։.
Գործնական ուսուցողական նյութ
Այս օրինակը ցույց է տալիս, թե ինչու կոդավորումը յուրաքանչյուր արհեստական բանականության նախագծի առաջին քայլը չէ։ Փոքր թիմը կարող է արժեք ստանալ արհեստական բանականությունից՝ օգտագործելով կոդ չպահանջող գործիքներ, հստակ հրահանգներ, լավ սկզբնաղբյուր փաստաթղթեր և պարզ փորձարկում։ Կոդավորումն ավելի արժեքավոր է դառնում ավելի ուշ, եթե թիմին անհրաժեշտ են ավելի խորը ինտեգրումներ, ավտոմատ տոմսերի ուղղորդում, հաճախորդների տվյալների բազային մուտք, վերլուծություններ կամ հատուկ աջակցության վահանակ։.
Հաճախակի տրվող հարցեր
Արդյո՞ք արհեստական բանականությունը պահանջում է կոդավորում սկսնակների համար:
Ոչ, արհեստական բանականությունը կոդավորում չի պահանջում սկսնակների համար, ովքեր ցանկանում են այն օգտագործել առօրյա առաջադրանքների համար: Դուք կարող եք գրել հուշումներ, ամփոփել փաստաթղթեր, ստեղծել բովանդակություն, վերլուծել աղյուսակներ, ստեղծել պատկերներ և կառուցել պարզ աշխատանքային հոսքեր՝ օգտագործելով ոչ կոդային արհեստական բանականության գործիքներ: Կոդավորումն ավելի կարևոր է, երբ ցանկանում եք ավելի խորը վերահսկողություն, անհատականացված համակարգեր, մոդելների ուսուցում կամ մասնագիտական արհեստական բանականության ինժեներական աշխատանք:.
Կարո՞ղ եմ սովորել արհեստական բանականություն՝ առանց տեխնիկական լինելու։
Այո՛, դուք կարող եք սովորել արհեստական բանականություն՝ առանց խիստ տեխնիկական լինելու։ Հզոր մեկնարկային կետը արհեստական բանականության գործիքների կարողությունների և անելիքների ըմբռնումն է, ապա հրահանգների կիրառումը, արդյունքների ստուգումը և արհեստական բանականության կիրառումը գործնական առաջադրանքներում։ Նախ ծրագրավորումը տիրապետելու կարիք չկա։ Շատ սկսնակների համար սկզբում ավելի կարևոր են հստակ մտածողությունը, ճշգրիտ հրահանգները և գործնական փորձարկումները։.
Ի՞նչ կարող եմ անել արհեստական բանականությամբ՝ առանց կոդավորման։
Առանց կոդավորման, դուք կարող եք օգտագործել արհեստական բանականությունը՝ բլոգի գրառումներ, էլեկտրոնային նամակներ, հաշվետվություններ, դասի պլաններ, ռեզյումեներ, սոցիալական ցանցերի բովանդակություն և հաճախորդների պատասխաններ կազմելու համար: Դուք կարող եք նաև ամփոփել հանդիպումների նշումները, թարգմանել տեքստը, վերլուծել աղյուսակներ, ստեղծել տեսողական կոնցեպտներ և ավտոմատացնել կրկնվող առաջադրանքները: Այս կիրառությունները դեռևս իրական արժեք ունեն, քանի որ խնայում են ժամանակ և բարելավում աշխատանքային հոսքերը, նույնիսկ եթե դուք երբեք կոդի չեք դիպչում:.
Ե՞րբ է արհեստական բանականությունը պահանջում կոդավորում։
Արհեստական բանականությունը սովորաբար պահանջում է կոդավորում, երբ դուք գործիքներից անցնում եք համակարգերի կառուցմանը: Սա ներառում է արհեստական բանականությամբ աշխատող հավելվածների ստեղծում, արհեստական բանականության API-ների միացում, տվյալների բազաների հետ աշխատանք, ուսուցման մոդելներ, համակարգերի ճշգրտում, մեծ տվյալների հավաքածուների մշակում կամ օգտատերերի համար արհեստական բանականության արտադրանքի տեղակայում: Կոդավորումը ձեզ ավելի մեծ ճկունություն, վերահսկողություն և խնդիրների լուծման հնարավորություն է տալիս, երբ կոդ չպահանջող գործիքները չափազանց սահմանափակ են դառնում:.
Արդյո՞ք կոդ չպարունակող արհեստական բանականությունը բավարար է բիզնես առաջադրանքների համար։
Առանց կոդի արհեստական բանականությունը հաճախ բավարար է բազմաթիվ բիզնես առաջադրանքների համար, մասնավորապես՝ բովանդակության ստեղծման, հաճախորդների աջակցության նախագծերի, ամփոփագրերի, աղյուսակների վերլուծության և հիմնական ավտոմատացման համար: Այն լավ է աշխատում փոքր թիմերի, ազատ մասնագետների, մանկավարժների, մարքեթոլոգների և բիզնեսի սեփականատերերի համար, ովքեր արագության և պարզության կարիք ունեն: Հիմնական սահմանափակումը վերահսկողությունն է. առանց կոդի հարթակները կարող են թույլ չտալ ձեզ խորապես հարմարեցնել արհեստական բանականության վարքագիծը:.
Ի՞նչ տարբերություն կա առանց կոդի, ցածր կոդի և կոդավորման արհեստական բանականության միջև։
Առանց կոդի արհեստական բանականությունն օգտագործում է կոճակներ, ձևանմուշներ, ձևեր և հուշումներ, ուստի ծրագրավորման կարիք չկա: Ցածր կոդով արհեստական բանականությունն ավելացնում է որոշ տեխնիկական կարգավորումներ, ինչպիսիք են միացնող գործիքները, API-ները, վահանակները կամ հատուկ աշխատանքային հոսքերը: Կոդային առաջին պլանում գտնվող արհեստական բանականությունն ապահովում է առավելագույն վերահսկողություն և ավելի հարմար է հավելվածների, մոդելների, մեքենայական ուսուցման խողովակաշարերի և արտադրական համակարգերի համար, բայց այն նաև պահանջում է ավելի շատ տեխնիկական հմտություններ:.
Արդյո՞ք արհեստական բանականությունը պահանջում է կոդավորում արհեստական բանականության ոլորտում կարիերայի համար։
Տեխնիկական արհեստական ինտելեկտի կարիերայի համար կոդավորումը սովորաբար շատ կարևոր է: Արհեստական ինտելեկտի ինժեներները, տվյալների գիտնականները և մեքենայական ուսուցման մշակողները հաճախ կարիք ունեն Python-ի, տվյալների մշակման հմտությունների, մոդելների գնահատման, API-ների, տվյալների բազաների, տարբերակների կառավարման և տեղակայման գիտելիքների: Այնուամենայնիվ, արհեստական ինտելեկտի հետ կապված բոլոր կարիերաները խիստ տեխնիկական չեն: Ռազմավարության, արտադրանքի, կրթության, մարքեթինգի, գործառնությունների և աշխատանքային հոսքի դերերը կարող են լայնորեն օգտագործել արհեստական ինտելեկտը՝ առանց առաջադեմ ծրագրավորման պահանջի:.
Ի՞նչ ծրագրավորման լեզու պետք է նախ սովորեմ արհեստական բանականության համար։
Python-ը սովորաբար արհեստական բանականության համար լավագույն ծրագրավորման լեզուն է, քանի որ այն ընթեռնելի է և լայնորեն օգտագործվում է մեքենայական ուսուցման, տվյալների վերլուծության, ավտոմատացման և մոդելների մշակման համար: JavaScript-ը կարող է նաև օգնել արհեստական բանականության վեբ հավելվածներին, մինչդեռ SQL-ը արժեքավոր է տվյալների հետ աշխատելու համար: Դուք պարտավոր չեք միաժամանակ սովորել բոլոր լեզուները: Սկսեք այն լեզվից, որը համապատասխանում է ձեր հաջորդ գործնական նախագծին:.
Ի՞նչ արհեստական բանականության հմտություններ են կարևոր կոդավորումից բացի։
Արհեստական բանականության կարևոր հմտություններից են արագ գրելը, խնդիրների ձևակերպումը, տվյալների գրագիտությունը, քննադատական մտածողությունը, աշխատանքային հոսքի նախագծումը, թեստավորումը և էթիկական դատողությունը: Այս հմտությունները օգնում են ձեզ ավելի լավ հարցեր տալ, գնահատել արդյունքները, նկատել թույլ արդյունքները և անվտանգ կիրառել արհեստական բանականությունը: Շատ աշխատանքային հոսքերում ավելի մաքուր մուտքագրումները և ավելի հստակ հրահանգները կարող են ավելի շատ բարելավել արդյունքները, քան տեխնիկական բարդությունը շատ վաղ ավելացնելը:.
Արդյո՞ք պետք է սովորեմ ծրագրավորում նախքան արհեստական բանականության գործիքներ օգտագործելը։
Արհեստական բանականության գործիքներ օգտագործելուց առաջ ծրագրավորում սովորելը պարտադիր չէ։ Գործնական ուղին հուշումներից սկսելն է, կոդ չպահանջող գործիքների ուսումնասիրությունը, փոքր աշխատանքային հոսքերի ստեղծումը և տվյալների հիմնական հասկացությունների ուսումնասիրությունը։ Ավելացրեք ծրագրավորումը ավելի ուշ, երբ հասնեք սահմանաչափերին կամ ցանկանաք ստեղծել հատուկ հավելվածներ, API-ներ, մոդելներ կամ արտադրական համակարգեր։ Սա ուսուցումը կենտրոնացնում է գործնական արդյունքների վրա, այլ ոչ թե առանձին տեսության վրա։.
Հղումներ
-
IBM - առանց կոդի արհեստական բանականության հարթակներ - ibm.com
-
OpenAI մշակողներ - միացրեք API-ները - developers.openai.com
-
Google Developers - նեյրոնային ցանցի մարզում - developers.google.com
-
Google Cloud - Առանց կոդի արհեստական բանականության գործիքներ - cloud.google.com
-
Microsoft - Արհեստական բանականության առանձնահատկություններ - microsoft.com
-
Փայթոն - Փայթոն - python.org
-
OpenAI օգնության կենտրոն - սխալներ թույլ տվեք - help.openai.com
-
scikit-learn - մեքենայական ուսուցում - scikit-learn.org
-
GitHub փաստաթղթեր - օգնեք գրել կոդ, բացատրել կոդը, վրիպազերծել կոդը - docs.github.com
-
ԱՄՆ Աշխատանքի վիճակագրության բյուրո - տեխնիկական արհեստական ինտելեկտի կարիերա - bls.gov