تمارين وتطبيقات عملية (ربط المنطق البرمجي بالذكاء الاصطناعي)

تمارين وتطبيقات عملية (ربط المنطق البرمجي بالذكاء الاصطناعي)

التمرين 1: دور المعالجة المسبقة للبيانات (Preprocessing)

لنفترض أنك تعمل على نموذج للتعرف على المشاعر في التعليقات المكتوبة (NLP)، وقبل إدخال التعليق (مثل "المنتج رائع لكن بطيء")، يجب على البرمجة أن تعده:

1.    المشكلة: النص "المنتج رائع لكن بطيء" يحتوي على كلمتين متضادتين.

2.    الدور البرمجي:  استخدام دالة برمجية لتقسيم الجملة إلى كلمات (Tokenization) ثم تحويل الكلمات إلى أرقام (Vectorization).

3.    لماذا البرمجة ضرورية؟ لأن نموذج الذكاء الاصطناعي (الذي يعمل على المصفوفات والأرقام) لا يمكنه قراءة النص مباشرةً؛ بل يحتاج إلى تسلسل من عمليات التحويل البرمجية المنهجية لترجمة المدخل البشري إلى شكل يمكن معالجته.

التمرين 2: تطبيق خاصية الفاعلية (Efficiency) في النشر

إذا كان نموذجك للذكاء الاصطناعي يستغرق 10 ثوانٍ لتقديم استجابة واحدة:

1.    السؤال: ما هي الخاصية البرمجية التي تم إهمالها، ولماذا تعتبر خطراً في أنظمة التوصية على منصات البث؟

2.    الإجابة: خاصية الفاعلية (Efficiency)، وتحديداً التعقيد الزمني، وهذا خطر لأنه سيجعل المستخدم ينتظر 10 ثوانٍ بعد كل نقرة للحصول على توصية، مما يدمر تجربة المستخدم ويقلل من الإنتاجية.

التمرين 3: تحديد وظيفة البرمجة في سيناريو الأزمة

في سيناريو إدارة أزمة ما، يُطلب منك جمع بيانات ضخمة من تويتر لتحليل الرأي العام. ما هو الدور البرمجي الحاسم في هذه اللحظة؟

1.    الدور: هندسة البيانات (Data Engineering).

2.    الوظيفة: كتابة شفرة برمجية للاتصال بواجهة برمجة تطبيقات تويتر (API) بشكل مستمر، وتجميع البيانات في الوقت الفعلي، وتخزينها في قاعدة بيانات منظمة قبل إرسالها إلى نموذج التحليل.