ትርፍ፡
- ቴሌሜትሪ የሚጭን እና የሚያጸዳ፣የፈተና እና የምርት መረጃን በፓንዳዎች የሚደግም የትንታኔ የስራ ፍሰት የማቋቋም ችሎታ።
- ከአርቴፊሻል ኢንተለጀንስ የኮድ፣ የባህሪያት እና የእይታ እይታን በሚቀበሉበት ወቅት የውጤቱን መስመር በመስመር የመረዳት እና የማረጋገጥ ችሎታ
- ለአሃድ ወጥነት፣ የውሂብ መፍሰስ እና እንደገና መባዛት የትንታኔ ውጤቶችን ኦዲት የማድረግ ችሎታ
በቀደሙት ክፍሎች አርቴፊሻል ኢንተለጀንስ እንደ “አማካሪ” እንጠቀም ነበር። በዚህ ክፍል ውስጥ፣ አንድ እርምጃ ወደ ፊት እንሄዳለን እና ፓይቶንን በመጠቀም የአውቶሞቲቭ መረጃዎችን በገዛ እጃችን የሚተነተን የስራ ፍሰት እንፈጥራለን። ግቡ እርስዎን የሶፍትዌር ገንቢ ማድረግ አይደለም; ከ AI የኮድ ርዳታን በማግኘት ያንን ኮድ መስመር በመስመር ተረድቶ የሚያረጋግጥ መሐንዲስ ማድረግ ነው። ምክንያቱም በ AI የተሰራው ኮድ ልክ እንደ AI እንደተሰራው ጽሑፍ ስህተት ሊሆን ይችላል; ድምጹን ግራ ሊያጋባ ይችላል, ውሂብ የሚያፈስ, መሃል የተሳሳተ አምድ. ኮዱን ሳይረዱ ማስኬድ ያልተፈረመ ሪፖርት እንደማተም ነው።
Python ለምን? በመረጃ ትንተና ውስጥ ዋናው መስፈርት ስለሆነ፡ በቀላሉ ቴሌሜትሪ፣ ሙከራ እና ፕሮዳክሽን ዳታ በፓንዳዎች (ታቡላር ዳታ)፣ ቁጥራዊ (የቁጥር ሂደት)፣ ማትፕሎትሊብ (ፕላት) እና scikit-learn (የማሽን መማሪያ) ቤተ-መጻሕፍት በቀላሉ ማካሄድ ይችላሉ።
እንደገና ሊባዛ የሚችል ትንታኔ ስድስት ደረጃዎች
ጠንከር ያለ ትንታኔ ሁል ጊዜም ተመሳሳይ ማዕቀፍ ይከተላል።
- ጫን፡ ከፋይሉ ላይ ያለውን መረጃ አንብብ።
- መርምር፡ ልኬት፣ አምዶች፣ የውሂብ አይነቶች፣ የጎደሉ እሴቶች።
- ንፁህ፡ የጠፋ/የወጣ፣ ክፍል፣ የጊዜ ማህተም እርማት።
- የማውጣት ባህሪ፡ ትርጉም ያላቸው ተለዋዋጮችን አምጡ።
- ትንተና/ሞዴል፡ ስታቲስቲክስ፣ እይታ ወይም ሞዴል።
- ያረጋግጡ እና ሪፖርት ያድርጉ፡ የውጤት አቅርቦት፣ የድምጽ መጠን/የፍሰት ፍተሻ፣ ቀረጻ።
ጠቃሚ ምክር፡ AI ን ኮድ ሲጠይቁ “በእያንዳንዱ እርምጃ ምን እየሰሩ እንደሆነ አስተያየት ይስጡ እና ግምቶችዎን ይፃፉ” ይበሉ። ስለዚህ ኮዱን በሚያነቡበት ጊዜ ማረጋገጥ ይችላሉ.
የደረጃ በደረጃ ምሳሌ፡ የቴሌሜትሪ ትንተና
የሚከተለው ኮድ የCAN/ቴሌሜትሪ ሪኮርድን ይጭናል እና መሰረታዊ ፍተሻ ያደርጋል። (ማስታወሻ፡ ኮዶቹን ከማሄድዎ በፊት መረዳትዎን ያረጋግጡ፤ የአምድ ስሞች እንደ ውሂብዎ ይለያያሉ።)
ፓንዳዎችን እንደ ፒዲ አስመጣ# 1) ጫን፡- ከፊል ነጥብ ያለው CSV፣ የመጀመሪያው አምድ timestampdf = pd.read_csv("telemetry.csv", parse_dates=["ጊዜ"])# 2) የፍተሻ (df.shape) # ስንት ረድፎች፣ ስንት ረድፎች፣ ስንት አምድ ፕሪንት (df.dtypes)) # የያንዳንዱ አይነት። የጎደሉ እሴቶች ብዛት በአምድ (df.describe()) # ማጠቃለያ ስታስቲክስ፡ ደቂቃ፣ ከፍተኛ፣ አማካኝ
የመግለፅ() ውፅዓት የማረጋገጥ የመጀመሪያ እድልህ ነው፡የሞተሩ ፍጥነት ከፍተኛው 45,000 rpm (በተለምዶ የተሳፋሪ ሞተር ~7,000 ደቂቃ) ከሆነ የአንድ አሃድ ወይም የሴንሰር ስህተት አለ።
በኦዲት ደረጃ ውስጥ በብዛት ጥቅም ላይ የዋሉ የፓንዳዎች ትዕዛዞች እና ምን እንደሚሰሩ፡-
ትእዛዝ
ምን ያደርጋል
ምን ያረጋግጣል?
df.ቅርጽ
የረድፎች/አምዶች ብዛት
የሚጠበቀው መጠን ነው?
df.dtypes
የአምድ ዓይነቶች
የቁጥር ዓምድ ጽሑፍ ሆኗል?
df.isna().sum()
የእሴት ቆጠራ ይጎድላል
ምን ያህል ቦታ አለ?
df.describe()
ዝቅተኛ/ከፍተኛ/አማካይ
አካላዊ ምክንያታዊ ነው?
df.የተባዛ() ድምር()
የተባዛ ረድፍ
ድርብ ምዝገባ አለ?
# 3) ግልጽ፡ በአካል የማይቻሉ እሴቶችን ምልክት አድርግ
ማስጠንቀቂያ: ውጫዊውን ወዲያውኑ አይሰርዙት; መጀመሪያ ለምን ውጫዊ እንደሆነ ይረዱ። እውነተኛ ክስተት (ድንገተኛ ማሞቂያ) ወይም ዳሳሽ አለመሳካት ነው? በጭፍን መሰረዝ እውነተኛውን ስህተት ሊደብቅ ይችላል።
# 4) የማውጣት ባህሪ፡ የሙቀት መጨመር መጠን (የመነሻ) df = df.sort_values ("ጊዜ") df ["sic_increase_speed"] = df ["ሞተር_sic"] .diff () / df ["ጊዜ"].diff () .dt.total_seconds () # 5) ቀላል ቪዥዋልimport maltplot. pltplt.plot (df ["ጊዜ"]፣ df ["motor_sic") plt.xlabel ("ጊዜ"); plt.ylabel("የሞተር ሙቀት (ሲ)") plt.title("የሞተር ሙቀት ኮርስ")plt.show()
በፓይዘን ውስጥ የውሂብ መፍሰስን መከላከል
የትንበያ ሞዴል በሚገነቡበት ጊዜ በጣም አደገኛው ስህተት የውሂብ መፍሰስ (ክፍል 5) ነው: ሞዴሉ ትንበያ በሚታወቅበት ጊዜ ሊታወቅ የማይችል መረጃ ሲመለከት. ይህንን በጊዜ ተከታታይነት ለማስወገድ ወርቃማው ህግ፡ ካለፈው ጋር ማሰልጠን፣ ከወደፊቱ ጋር ፈትኑ - በዘፈቀደ መወዛወዝ የለም።
ከ sklearn.model_selection ማስመጣት ባቡር_ፈተና_ስፕሊት# ውሸት፡ በዘፈቀደ ተከታታይ ጊዜ መለያየት የወደፊቱን# df["ጊዜ"] > ገደብ] # የመጨረሻ 20% ወደፊት
ጥንቃቄ፡ train_test_split ውሂቡን በነባሪነት ያዋህዳል (ሹፍል=እውነት)። በጊዜ ተከታታይ፣ ይህ የወደፊቱን ከትምህርት ጋር ግራ ያጋባል እና የውሸት ከፍተኛ ነጥብ ያስገኛል። AI በሚያወጣው ኮድ ውስጥ ይህን ካደረገ, ማስተካከልዎን እርግጠኛ ይሁኑ.
የክፍል ወጥነት፡ ጸጥተኛ ገዳይ
በአውቶሞቲቭ ውስጥ በጣም ተንኮለኛዎቹ ስህተቶች ከኪሜ በሰዓት እስከ ሜ/ሰ ፣ ከኤም እስከ lb-ft ፣ ባር ወደ kPa ፣ ° C እስከ K ። የእያንዳንዱ አምድ አሃድ ምን እንደሆነ መዝገበ-ቃላትን በትንተና ውስጥ ማቆየት እና ልወጣዎቹን መፃፍ ህይወትን እንደሚያድን በግልፅ ያሳያል።
# ክፍሎቹን በግልፅ ይመዝግቡ = {"ፍጥነት"፡ "ኪሜ/ሰ"፣ "ሞተር_sic"፡ "ሲ"፣ "ግፊት": "ባር"}# አስፈላጊ ከሆነ ግልጽ ልወጣ (km/h -> m/s) df["speed_ms"] = df["ፍጥነት"] / 3.6
አነስተኛ ጉዳይ ጥናቶች
ጉዳይ 1 - በመግለጫው () ላይ ስህተት ተይዟል. አንድ ተንታኝ ኮዱን ከ AI ያስኬዳል እና የክልል ግምት ያደርጋል። ውጤቱ በማይታመን ሁኔታ ከፍተኛ ነው። የገለጻውን () ውፅዓት ስንመለከት የባትሪው አቅም በ Wh ውስጥ በአንዳንድ መስመሮች እና በሌሎች በ kWh ውስጥ እንደገባ እናያለን (1000 ጊዜ ልዩነት)። ክፍሉ ወደ አንድ ወጥ ዓይነት ሲቀርብ ውጤቱ ይሻሻላል. ማጠቃለያ፡ ቀላል የማጠቃለያ ስታቲስቲክስ መጥፎ ትንበያን ከልክሏል።
ጉዳይ 2 - ግራ መጋባት ወጥመድ. የተለማማጅ የብሬክ ልብስ ሞዴል በሙከራ ስብስቡ ላይ 98% ትክክል ነበር። ኮዱ ሲፈተሽ, train_test_split(shuffle=True) እና የሰአት ተከታታዩ ሲደባለቁ ማየት ይቻላል ይህም ማለት የወደፊት ነጥቦች ወደ ስልጠናው ውስጥ ይገባሉ። በጊዜ ሲከፋፈሉ, ትክክለኛነት ወደ 80% ይቀንሳል, አሁን ግን እውነታ ነው. ማጠቃለያ: የ AI ኮድ ስለሰራ ብቻ ትክክል አልነበረም; የሰው ልጅ አፈሳሹን ያዘ።
ጉዳይ 3 - ውጫዊውን መረዳት. በጥንካሬ መዝገብ ውስጥ የ AI ኮድ የውጥረት ዋጋዎችን በራስ-ሰር ይሰርዛል። መሐንዲሱ የተሰረዙ ነጥቦችን ይመለከታል; እነዚህ በትክክል የፍተሻ ጅምር ጊዜዎች ነበሩ ፈተናው ፍላጎት ያለው። ስረዛ ተወግዷል እና ጥሰቶች ወደ የተለየ ግምገማ ተወስደዋል። ውጤት: በ "ማጽዳት" ስር ትክክለኛው ምልክት ሊሰረዝ ይችላል; እያንዳንዱ እርምጃ ጥያቄ.
የጥያቄ አብነቶች
አብነት 1 - የጥያቄ ኮድ (ከማብራሪያ ጋር)
ሚና፡ እርስዎ የፓይዘን ዳታ ተንታኝ አማካሪ ነዎት።ተግባር፡ ቴሌሜትሪ የሚጭን እና የሚያረጋግጥ ኮድ ይፃፉ CSV የትኛው ቼክ እንደተሰራ እና ለምን እንደሆነ ያብራሩ; በአካል የማይቻል እሴት ማረጋገጥን ይጨምሩ; ምንም ነገር በጸጥታ መሰረዝ. ውጤት: አስተያየት የተሰጠበት ኮድ + የትኛውን ውፅዓት ማየት እንዳለብኝ እና ለምን።
አብነት 2 - የልቅሶ ፍተሻ፡-
ሚና፡ እርስዎ የማሽን መማሪያ ኮድ ገምጋሚ ነዎት። ተግባር፡ የሚከተለውን የሥልጠና/የፈተና ክፍፍል ኮድ ለውሂብ ፍንጣቂዎች ያረጋግጡ። ዐውደ-ጽሑፍ፡ ይህ ተከታታይ ጊዜ (የተሽከርካሪ ቴሌሜትሪ) ነው። ገደብ: በዘፈቀደ መወዛወዝ ካለ አስጠንቅቅ; በጊዜ መከፋፈልን ይጠቁሙ እና ያፅድቁ። ውጤት፡ ግኝቶች + የተስተካከለ ኮድ + ማብራሪያ።
አብነት 3 - የክፍል ማረጋገጫ፡-
ሚና፡ እርስዎ የዳታ ጥራት ኦዲተር ነዎት። ተግባር፡ በዳታ ፍሬም ውስጥ የአሃድ አለመመጣጠንን የሚመለከቱ ቼኮችን ይጠቁሙ። አውድ፡ አቅም በአንዳንድ ረድፎች kWh እና Wh በሌሎች ውስጥ ሊሆን ይችላል። ውፅዓት፡ አጠራጣሪውን ስርዓተ-ጥለት እንዴት እንደሚገኝ ያረጋግጡ።
አብነት 4 - የእይታ እይታ + አስተያየት
ሚና፡ እርስዎ የውሂብ እይታ ባለሙያ ነዎት። ተግባር፡ የሞተርን የሙቀት አካሄድ እና የመጨመር መጠን የሚያመላክት ኮድ ይፃፉ። ገደብ፡ መጥረቢያዎቹን ከክፍሉ ጋር ይሰይሙ; የ anomaly ምልክት በእይታ; ግራፉን ሲተረጉሙ ትክክለኛ ስህተት አይጠይቁ. ውጤት: ኮድ + በግራፉ ውስጥ ምን መፈለግ እንዳለበት.
ደካማ ጥያቄ / ጠንካራ ጥያቄ
ደካማ ጥያቄ፡
በዚህ ውሂብ ሞዴል ይገንቡ.
የትኛው ዒላማ, የትኛው ክፍል, የትኛው ማረጋገጫ ግልጽ አይደለም; AI የተዘበራረቀ፣ የሚያፈስ፣ ዩኒት-ዓይነ ስውር ኮድ ማውጣት ይችላል።
ኃይለኛ ጥያቄ፡-
ሚና፡ እርስዎ የ Python ML አማካሪ ነዎት። ተግባር፡ የብሬክ ፓድ እንደሚለብስ ለመተንበይ እና የማረጋገጫ ወጥመዶችን ለማሳየት የመጀመሪያ የስራ ፍሰት ይጻፉ። አውድ፡ የጊዜ ተከታታይ ቴሌሜትሪ; ዒላማ: የቀረው ንጣፍ ውፍረት.ገደብ: ተከታታይ የጊዜ ክፍሎችን በጊዜ (ምንም መወዛወዝ የለም); የውሂብ መፍሰስ አደጋ ላይ ባንዲራ ባህሪያት; የሰነድ ክፍሎች, እያንዳንዱን ደረጃ መተርጎም; ውጤቱ ወደ መስክ ከመውጣቱ በፊት ምን ዓይነት ቼኮች እንደሚያስፈልጉ ይጻፉ. ውጤት፡ አስተያየት የተሰጠበት ኮድ + የማረጋገጫ ዝርዝር።
የተለመዱ ስህተቶች
- ኮዱን ሳይረዱት ማስኬድ። AI ኮድም የተሳሳተ ሊሆን ይችላል; በመስመር ያንብቡ።
- ተከታታይ ጊዜ ማደባለቅ. shuffle=እውነት የወደፊቱን ያፈስሳል እና የውሸት ነጥብ ይፈጥራል።
- ውጫዊውን በጭፍን ይሰርዙ። ትክክለኛው ምልክት (የስህተት ጅምር) ሊጸዳ ይችላል.
- ክፍሉን አለመመዝገብ። እንደ km/h vs m/s፣Wh vs kWh ያሉ ስህተቶች በፀጥታ ያድጋሉ።
- የመግለፅ()/የፍተሻ ደረጃን መዝለል። አብዛኛዎቹ ስህተቶች በመጀመሪያው ማጠቃለያ ስታቲስቲክስ ውስጥ ይታያሉ።
በማጠቃለያው
- Python (ፓንዳስ፣ numpy፣ matplotlib፣ scikit-learn) የአውቶሞቲቭ መረጃ ትንተና ትክክለኛ መስፈርት ነው።
- ተደጋጋሚ ትንተና፡ መጫን፣ መፈተሽ፣ ማጽዳት፣ ባህሪ፣ መተንተን፣ ማረጋገጥ እና ሪፖርት ማድረግ።
- AI በመስመር መስመር የሚያወጣውን ኮድ መረዳት እና ማረጋገጥ አስፈላጊ ነው; ይሰራል ማለት ትክክል ነው ማለት አይደለም።
- በጊዜ ተከታታይ ውስጥ ያለፈውን / የወደፊቱን ልዩነት ማቆየት; የዘፈቀደ ማወዛወዝ የውሂብ መፍሰስን ይፈጥራል።
- የክፍል ወጥነት እና ውጫዊ ትርጓሜ ጸጥ ያሉ ግን ወሳኝ የማረጋገጫ ነጥቦች ናቸው።
የመተግበሪያ ተግባር
ትንሽ የውሂብ ስብስብ ይውሰዱ (እውነተኛ ወይም ሰው ሠራሽ ቴሌሜትሪ)። (1) ባለ ስድስት እርከን ማዕቀፎችን በመከተል የመጫኛ እና የቁጥጥር ኮድ በአብነት 1 ያመነጩ እና እያንዳንዱን መስመር መረዳትዎን ያረጋግጡ። (2) በመግለጫው () ውፅዓት ውስጥ ቢያንስ አንድ አጠራጣሪ እሴት አግኝ እና ለምን እንደሆነ መርምር። (3) በመተንበይ ተግባር ላይ ስልጠናው/ሙከራው ለሁለት እንዲከፈል ጊዜ እና የፍሰት አደጋን በአብነት 2 ያረጋግጡ። (4) በመዝገበ ቃላት ውስጥ የሚጠቀሙበትን የእያንዳንዱን አምድ ክፍል ይመዝግቡ።
የማረጋገጫ ዝርዝር
- [] ትንታኔውን በስድስት-ደረጃ ማዕቀፍ አዘጋጅቻለሁ.
- [ ] በ AI መስመር የተሰራውን ኮድ አንብቤ ተረድቻለሁ።
- [] አጠራጣሪ እሴቶችን ከገለፃ()/ኦዲት ጋር ፈለግኩ።
- [] ተከታታይ የሰዓት ክፍሎችን በጊዜ እከፍላለሁ (መደባለቅ የለም)።
- [ ] የውሂብ መፍሰስ አደጋ ላይ ያሉትን ባህሪያት ምልክት አድርጌያለሁ።
- [ ] የእያንዳንዱን ዓምድ ክፍል መዘገብኩ እና ልወጣዎቹን በግልፅ ጻፍኩ።