Whakataki
Ko te tere o te ahunga whakamua i roto i te Artificial Intelligence (AI) me te miihini rorohiko i ahu mai i te whanaketanga o nga punaha raupaparorohiko matatini e whakauru ana i nga kaihoko AI me te hoahoanga rerenga mahi. Ka taea e enei punaha te whakarereke i te huarahi e whakatata atu ai tatou ki te mahi aunoatanga me te whakahiato a DevOps. Heoi, ko te hoahoa i nga punaha rorohiko whakahiatohia me te matatika a AI me maarama hohonu ki nga ahunga whakamua hou o AI, miihini rorohiko, me te hoahoanga.
I roto i tenei tuhinga, ka tirotirohia e matou nga maataapono hoahoa me nga tikanga pai mo te hanga i nga punaha raupaparorohiko rereke, tauine me te matatika e whakauru ana i nga kaihoko AI me te hoahoanga rerenga mahi. Ka arotahi matou ki te whakakotahi i nga ahunga whakamua hou i roto i te AI (Tauira Reo Nui (LLMs), Retrieval-Augmented Generation (RAG)), engineering software (Python, Rust, Go), me te hoahoanga hei hanga i nga punaha pakari me te pupuri.
Hanganga Rerengamahi Tauira
Ko te hoahoanga rerengamahi modular he tauira hoahoa e wawahi ana i nga punaha uaua ki nga waahanga iti ake, motuhake ka ngawari te tiaki, te whakahou, me te whakarahi. Kei ia kōwae te kawenga mō tētahi mahi, mahi motuhake rānei, ā, ka whakawhiti kōrero rātou ki a rātou anō mā ngā atanga kua āta tautuhia.
Anei tetahi tauira ngawari o te hoahoanga rerengamahi modular i Python:
# rerengamahi.py
Rerengamahi akomanga:
def __init__(whaiaro):
self.modules = []
def add_module(whaiaro, kōwae):
self.modules.append(kōwae)
def run(self):
mō kōwae i self.modules:
module.run()
# kōwae1.py
akomanga Kōwae1:
def run(self):
print("Kei te haere te Kōwae 1")
# kōwae2.py
akomanga Kōwae2:
def run(self):
print("Kei te haere te Kōwae 2")
# matua.py
ki te __ingoa__ == "__matua__":
reremahi = Rerengamahi()
rerengamahi.add_module(Module1())
rerengamahi.add_module(Module2())
rerengamahi.run()
I tenei tauira, he karaehe Workflow e whakahaere ana i te rarangi o nga waahanga. Kei ia kōwae te kawenga mō tētahi mahi motuhake, ā, ka tāpirihia ki te rerengamahi mā te tikanga add_module. Ka whakamahia te aratuka rere ki te whakahaere i ia kōwae i te rerengamahi.
Nga Kaihoko AI
Ko nga kaihoko AI he waahanga rorohiko e whakamahi ana i nga miihini ako miihini ki te whakatau whakatau me te mahi i roto i tetahi punaha. Ka taea te whakamahi ki te whakaaunoa i nga mahi, te whakapai ake i te wheako kaiwhakamahi, me te arotau i nga mahi a te punaha.
He maha nga momo apiha AI, tae atu ki:
- Kaiwhakahaere i runga i te ture: Ka whakamahi enei kaihoko i nga ture kua tautuhia ake hei whakatau.
- Maihini ako miihini: Ka whakamahi enei kaihoko i nga tikanga ako miihini ki te ako mai i nga raraunga me te whakatau.
- Maihini ranu: Ka whakakotahi enei kaihoko i nga tikanga ako-a-ture me nga huarahi ako miihini ki te whakatau whakatau.
Anei tetahi tauira o te kaihoko AI ngawari i roto i te Python e whakamahi ana i te algorithm ako miihini:
# agent.py
mai sklearn.ensemble kawemai RandomForestClassifier
mai i sklearn.model_selection kawemai train_test_split
mai i sklearn.datasets kawemai load_iris
māngai akomanga:
def __init__(whaiaro):
self.model = RandomForestClassifier()
def tereina(whaiaro, X, y):
X_train, X_test, y_train, y_test = tereina_whakamatautau_wehe(X, y, te rahi_whakamatautau=0.2, matapōkere_state=42)
self.model.fit(X_tereina, y_tereina)
def matapae(whaiaro, X):
whakahokia self.model.predict(X)
# matua.py
ki te __ingoa__ == "__matua__":
iris = uta_iris()
X = iris.raraunga
y = iris.target
māngai = Agent()
agent.train(X, y)
matapae = agent.predict(X)
tā(matapae)
I tenei tauira, kei a matou he kaihoko AI ngawari e whakamahi ana i te whakarōpū ngahere matapōkere hei hanga matapae. Kua whakangungua te kaihoko ki te huingararaunga iris me te hanga matapae i runga i taua huingararaunga.
Te Whakakotahi i nga Kaitohu AI me te Hanganga Rerenga Mahi
Ko te whakakotahi i nga kaihoko AI me te hoahoanga rerenga mahi ka taea e tatou te hanga i nga punaha uaua e whakauru ana i nga whakatau-whakatau a AI me te hoahoanga whakahiato, tauineine.
Anei tetahi tauira o te punaha e whakakotahi ana i nga kaihoko AI me te hoahoanga rerengamahi whakarereke:
# rerengamahi.py
Rerengamahi akomanga:
def __init__(whaiaro):
self.modules = []
self.agent = Kore
def add_module(whaiaro, kōwae):
self.modules.append(kōwae)
def add_agent(whaiaro, kaihoko):
self.agent = māngai
def run(self):
mō kōwae i self.modules:
module.run()
ki te self.agent:
self.agent.predict()
# kōwae1.py
akomanga Kōwae1:
def run(self):
print("Kei te haere te Kōwae 1")
# kōwae2.py
akomanga Kōwae2:
def run(self):
print("Kei te haere te Kōwae 2")
# agent.py
mai sklearn.ensemble kawemai RandomForestClassifier
mai i sklearn.model_selection kawemai train_test_split
mai i sklearn.datasets kawemai load_iris
māngai akomanga:
def __init__(whaiaro):
self.model = RandomForestClassifier()
def tereina(whaiaro, X, y):
X_train, X_test, y_train, y_test = tereina_whakamatautau_wehe(X, y, te rahi_whakamatautau=0.2, matapōkere_state=42)
self.model.fit(X_tereina, y_tereina)
def matapae(whaiaro, X):
whakahokia self.model.predict(X)
# matua.py
ki te __ingoa__ == "__matua__":
reremahi = Rerengamahi()
rerengamahi.add_module(Module1())
rerengamahi.add_module(Module2())
māngai = Agent()
agent.train(X, y)
rerengamahi.add_agent(agent)
rerengamahi.run()
I tenei tauira, he punaha ta maatau e whakakotahi ana i nga kaihoko AI me te hoahoanga rerenga mahi. E rua nga waahanga o te punaha me tetahi kaihoko AI e whakamahi ana i te whakarōpū ngahere tupurangi ki te matapae. Ka taapirihia te kaihoko ki te rerengamahi ma te whakamahi i te aratuka add_agent, a ka matapae i muri i te whakahaerenga o nga waahanga.
Top 5-10 Whakamahinga Whakahau/Snippets
Anei etahi o nga whakahau me nga mokowhiti e whakamahia ana mo te hoahoa i nga punaha raupaparorohiko a-Ai-a-a-matatika me te hangahanga rerengamahi me nga kaihoko AI:
- Python:
kawe mai i nga pandas hei pd(ka kawemai i te whare pukapuka pandas) - Python:
pd.read_csv('data.csv')(te panui i te konae CSV ki te anga raraunga pandas) - Python:
agent.train(X, y)(whakangungu i te kaihoko AI i runga i te huingararaunga) - Python:
agent.predict(X)(te hanga matapae ma te whakamahi i tetahi kaihoko AI) - Rust:
let mut agent = Agent::new()(te hanga i tetahi kaihoko AI hou ki Rust) - Rust:
agent.train(X, y)(whakangungu i te kaihoko AI mo te huingararaunga i Rust) - Haere:
Agent := NewAgent()(te hanga i tetahi kaihoko AI hou ki Go) - Haere:
agent.Train(X, y)(whakangungu i te kaihoko AI i runga i te huingararaunga i Go) - Chart.js:
const chart = hou Tūtohi(ctx, { momo: 'pae', raraunga: { labels: ['Tapanga 1', 'Tapanga 2'], huingararaunga: [{ tapanga: 'Raraunga Raraunga 1', raraunga: [10, 20] }] } });(te hanga tūtohi pae) mā te whakamahi i te Tūtohi. - Chart.js:
chart.data.datasets[0].data.push(30)(te taapiri tohu raraunga hou ki te tūtohi ma te whakamahi i te Chart.js)
Whakaaturanga
Anei he tauira o te tūtohi pae e whakamahi ana i te Chart.js:
{
"type": "pae",
"raraunga": {
"labels": ["Tapanga 1", "Tapanga 2"],
"raunga raraunga": [
{
"label": "Raraunga Raraunga 1",
"raraunga": [10, 20]
}
]
}
}
E rua nga tapanga o tenei tūtohi me tetahi huinga raraunga me nga tohu raraunga e rua. Ka taea te whakarite i te tūtohi ma te whakamahi i nga momo whiringa me nga tautuhinga.
Whakamutunga
Ko te hoahoa i nga punaha rorohiko whakahiatohia me te matatika a AI me te hoahoanga rerengamahi whakahurihuri me nga kaihoko AI me maarama hohonu ki nga ahunga whakamua hou o AI, miihini rorohiko, me te hoahoanga. Ma te whakakotahi i nga kaihoko AI me te hoahoanga rerenga mahi, ka taea e tatou te hanga i nga punaha uaua e whakauru ana i nga whakatau-whakatau a AI me te hoahoanga whakahiato, tauineine.
I roto i tenei tuhinga, kua tirotirohia e matou nga maataapono hoahoa me nga tikanga pai mo te hanga i nga punaha raupaparorohiko, whakahiato me te matatika e whakauru ana i nga kaihoko AI me te hoahoanga rerenga mahi. Kua tukuna ano e matou etahi tauira o nga kaihoko AI ngawari me te hoahoanga rerenga mahi i roto i te Python, Rust, me te Haere, me tetahi tauira tirohanga ma te whakamahi i te Chart.js.
Ma te whai i nga aratohu me nga tikanga pai kua tuhia i roto i tenei tuhinga, ka taea e nga kaiwhakawhanake te hanga i nga punaha rorohiko pakari me te pupuri i nga punaha rorohiko a AI e tutuki ana i nga hiahia o nga tono me nga umanga hou.