تصویر شاخص نوشته: آموزش پایتون برای هوش مصنوعی: چه چیزی را واقعاً لازم داری و به چه ترتیبی

آموزش پایتون برای هوش مصنوعی: چه چیزی را واقعاً لازم داری و به چه ترتیبی

۲۲ آبان ۱۴۰۵ مبانی هوش مصنوعی

برای کار هوش مصنوعی همهٔ پایتون را لازم نداری. یک هستهٔ کوچک از خود زبان را لازم داری (فهرست، دیکشنری، شرط، حلقه، تابع و خواندن خطا)، بعد دو کتابخانهٔ داده (NumPy و pandas)، و بعد ایدهٔ ساختن و سنجیدن مدل با scikit-learn. ترتیب همین است و جابه‌جاکردنش معمولاً گران تمام می‌شود.

چرا پایتون، و چرا «همه‌اش» لازم نیست

پایتون زبان اصلی کار داده و یادگیری ماشین است، چون کتابخانه‌های این کار برایش ساخته شده‌اند. ولی کسی که برای هوش مصنوعی پایتون یاد می‌گیرد، کار متفاوتی با یک برنامه‌نویس وب دارد. تو بیشتر وقتت داده می‌خوانی، تمیزش می‌کنی، به مدل می‌دهی و خروجی را می‌سنجی. برای این کار، ساختن کلاس‌های پیچیده یا برنامه‌نویسی شبکه در اولویت نیست.

پس سؤال درست این نیست که «پایتون را کامل بلدم یا نه». سؤال این است: «می‌توانم یک جدول داده را بخوانم، یک ستونش را فیلتر کنم، یک مدل بسازم و بگویم واقعاً خوب است یا نه؟»

مرحلهٔ ۱: هستهٔ زبان

این شش چیز پایهٔ همهٔ کارهای بعدی‌اند:

مفهوم چرا برای هوش مصنوعی لازم است
مقدار، متغیر و نوع داده‌ای که عدد به نظر می‌رسد ولی متن است، بزرگ‌ترین منبع خطای بی‌صداست
فهرست (list) داده در ابتدا تقریباً همیشه یک دنباله است
دیکشنری (dict) هر رکورد داده یک «نام → مقدار» است، مثل خروجی JSON یک سرویس
شرط و حلقه فیلترکردن، شمردن و جمع‌زدن
تابع و return تبدیل یک کار تکراری به یک قطعهٔ قابل‌آزمون
خواندن traceback هر روز با خطا سروکار داری؛ باید از پایین بخوانی‌اش

این مثال کوچک چهار تا از این‌ها را با هم به کار می‌برد: یک تابع که کلمه‌های یک متن را با دیکشنری می‌شمارد، و یک حلقه روی فهرستی از نظرها.

def count_words(text):
    counts = {}
    for word in text.lower().split():
        counts[word] = counts.get(word, 0) + 1
    return counts

reviews = ["good phone", "bad battery", "good screen good price"]
total = {}
for review in reviews:
    for word, n in count_words(review).items():
        total[word] = total.get(word, 0) + n

print(total)
print(max(total, key=total.get))

خروجی:

{'good': 3, 'phone': 1, 'bad': 1, 'battery': 1, 'screen': 1, 'price': 1}
good

اگر هر خط این کد را می‌فهمی و می‌توانی تغییرش بدهی (مثلاً کلمه‌های کوتاه‌تر از سه حرف را نشمارد)، هستهٔ زبان را داری. فصل فهرست در سرنخ از همین‌جا شروع می‌کند.

مرحلهٔ ۲: NumPy، یعنی کار روی کل داده بدون حلقه

فهرست پایتون برای کار عددی ساخته نشده است. این را خودت ببین:

import numpy as np

prices = [10, 20, 30]
print(prices * 2)

arr = np.array(prices)
print(arr * 2)
print(arr[arr > 15])
[10, 20, 30, 10, 20, 30]
[20 40 60]
[20 30]

ضرب یک فهرست در 2 فهرست را تکرار می‌کند. ضرب یک آرایهٔ NumPy در 2 هر عضو را دو برابر می‌کند. خط آخر هم بدون هیچ حلقه‌ای عضوهای بزرگ‌تر از 15 را جدا کرده است. به این «کار برداری» می‌گویند.

آرایه یک محدودیت هم دارد که مهم است: همهٔ عضوهایش یک نوع دارند. فصل آرایه در سرنخ نشان می‌دهد که اگر یک متن وسط عددها باشد، کل آرایه بی‌صدا متن می‌شود. همان فصل سرعت فهرست و آرایه را هم روی دو میلیون عدد اندازه می‌گیرد و آرایه ده‌ها برابر سریع‌تر درمی‌آید. عدد دقیقش به دستگاه بستگی دارد، و خودآموز هم آن را گرد می‌گوید.

مرحلهٔ ۳: pandas، یعنی جدول واقعی

دادهٔ واقعی جدول است: ستون‌هایی با نام، ردیف‌هایی با خانهٔ خالی، و ستون قیمتی که یکی جایی درونش «نامعلوم» نوشته است. pandas این جدول را به نام DataFrame در پایتون می‌آورد.

کارهایی که در این مرحله باید راحت انجام بدهی:

  • خواندن یک فایل CSV و نگاه اول با info() و describe()
  • چک‌کردن dtypes، یعنی اینکه هر ستون واقعاً از چه نوعی است
  • انتخاب ستون، فیلتر ردیف و گروه‌بندی
  • پیداکردن و تصمیم‌گرفتن دربارهٔ خانه‌های خالی

این مرحله معمولاً طولانی‌ترین مرحله است و این طبیعی است. بیشتر کار واقعی یادگیری ماشین آماده‌کردن داده است، نه ساختن مدل.

مرحلهٔ ۴: scikit-learn، یعنی ساختن و سنجیدن مدل

حالا به مدل می‌رسی. اگر هنوز مطمئن نیستی یادگیری ماشین دقیقاً یعنی چه، اول یادگیری ماشین چیست را بخوان. در scikit-learn ساختن یک مدل سه خط است. این مثال کامل است و اجرا می‌شود:

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error

df = pd.DataFrame({
    "hours": [1, 2, 3, 4, 5, 6, 7, 8],
    "score": [52, 55, 61, 64, 70, 71, 78, 80],
})

X = df[["hours"]]   # 2-D: a table with one column
y = df["score"]     # 1-D: the answers

model = LinearRegression()
model.fit(X, y)
print("slope:", model.coef_.round(2), "intercept:", round(model.intercept_, 2))

model_mae = mean_absolute_error(y, model.predict(X))
baseline = np.full(len(y), y.mean())   # guess the average for everyone
baseline_mae = mean_absolute_error(y, baseline)
print("model MAE:", round(model_mae, 2))
print("baseline MAE:", round(baseline_mae, 2))
slope: [4.13] intercept: 47.79
model MAE: 0.94
baseline MAE: 8.38

این داده ساختگی است و فقط برای نشان‌دادن شکل کار ساخته شده است. مدل یاد گرفته که هر ساعت مطالعه حدود 4.13 نمره اضافه می‌کند. MAE میانگین قدرمطلق خطاست: پیش‌بینی مدل به‌طور متوسط 0.94 نمره با جواب واقعی فاصله دارد. حدس بی‌فکرِ «برای همه میانگین را بگو» 8.38 فاصله دارد.

دو نکته از همین مثال مهم‌تر از خود سه خط مدل‌اند:

  1. X دوبعدی است. آن کروشهٔ دوتایی در df[["hours"]] اتفاقی نیست. scikit-learn جدول می‌خواهد، حتی اگر فقط یک ستون داشته باشد.
  2. این عدد خطا هنوز قابل‌اعتماد نیست. آن را روی همان داده‌ای گرفتیم که مدل با آن آموزش دیده بود. مثل این است که سؤال‌های امتحان را از قبل به کسی بدهی و از نمره‌اش نتیجه بگیری چقدر بلد است. فصل اولین مدل در سرنخ دقیقاً همین را نشان می‌دهد و فصل‌های بعدش راه درست را می‌سازند: اول خط پایه، بعد جداکردن دادهٔ آزمون.

ترتیب را عوض نکن

وسوسهٔ رایج این است که مستقیم سراغ مدل بروی، چون مدل جذاب‌ترین بخش است. مشکل این است که خطاهای واقعی تقریباً هیچ‌وقت در خط fit نیستند. در ستونی‌اند که عدد نبود، در خانه‌های خالی، یا در عدد خطایی که روی دادهٔ آموزشی گرفته شد. کسی که مراحل ۱ تا ۳ را رد کرده، این خطاها را نمی‌بیند.

اگر این را بلد نیستی اینجا گیر می‌کنی
نوع داده ستون قیمت متن است و میانگین‌گیری خطا می‌دهد یا جواب عجیب
فهرست و دیکشنری خروجی یک سرویس یا یک فایل JSON را نمی‌توانی باز کنی
تابع کد تمیزکردن داده را هر بار کپی می‌کنی و یکی جا می‌ماند
pandas دادهٔ واقعی را نمی‌توانی به شکلی برسانی که مدل بپذیرد

دستیار هوش مصنوعی در یادگیری پایتون

از دستیارهای هوش مصنوعی برای یادگرفتن استفاده کن، ولی برای فهمیدن، نه برای تحویل‌گرفتن کد. بپرس «این خطا یعنی چه؟» یا «چرا این خط این خروجی را می‌دهد؟»، نه «کد کامل را بنویس». فصل دستیار در سرنخ پژوهش‌های همین موضوع را مرور می‌کند و نتیجه‌اش این است که مسئله خود ابزار نیست، نوع سؤال است.

یک قاعدهٔ عملی هم هست: هیچ کلید API، رمز یا دادهٔ شخصی واقعی را داخل پرامپت نگذار. متن سؤالت به سرور یک شرکت دیگر می‌رود.

چقدر طول می‌کشد؟

عدد صادقانه‌ای وجود ندارد که برای همه درست باشد. به وقت هفتگی‌ات، به اینکه قبلاً برنامه نوشته‌ای یا نه، و به اینکه کد را خودت می‌نویسی یا فقط می‌خوانی بستگی دارد. چیزی که می‌شود گفت اندازهٔ مسیر است: خودآموز سرنخ این راه را در پنج ترم و ۴۹ فصل می‌رود، از اولین سلول پایتون تا یک ابزار هوش مصنوعی منتشرشده، همه در Google Colab و بدون نصب چیزی.

معیار بهتر از زمان، توانایی است. وقتی این سه کار را بدون کپی‌کردن انجام می‌دهی، آماده‌ای سراغ مدل‌های جدی‌تر بروی:

  1. یک فایل CSV واقعی را بخوانی و بگویی کدام ستون‌ها مشکل دارند.
  2. یک مدل ساده بسازی و خطایش را با یک خط پایه مقایسه کنی.
  3. توضیح بدهی چرا عدد خطا روی دادهٔ آموزشی گمراه‌کننده است.

اگر هنوز نمی‌دانی هوش مصنوعی را از کدام طرف شروع کنی، نقشهٔ راه هوش مصنوعی مسیرهای مختلف را کنار هم می‌گذارد. خودآموز دانلودی سرنخ هم همین دوره را به شکل فایل دانلودی دارد.

اگر می‌خواهی این موضوع را کامل یاد بگیری

خودآموز سرنخ

خودآموز پایتون و برنامه‌نویسی برای هوش مصنوعی (مقدماتی)

آموزش پایتون برای هوش مصنوعی، از اولین خط کد تا یک ابزار منتشرشده. داده را می‌بینی، مدل می‌سازی، و مهم‌تر از همه یاد می‌گیری چطور صادقانه اندازه بگیری که واقعاً کار می‌کند. همه‌چیز در Google Colab — بدون نصب، بدون سخت‌افزار خاص.

  • ۵ ترم
  • ۴۹ فصل
  • همهٔ فصل‌ها رایگان

برای خواندن بدون اینترنت

خودآموز دانلودی سرنخ

PDF، EPUB، MOBI · ۶۸۵ صفحه

۴۹۹٬۰۰۰ تومان

دیدن نسخهٔ دانلودی

قدم بعدی