Python və AI sərhədləri ilə mədən məlumatlarının təhlili

Qazanclar:

• AI dəstəyi ilə Python ilə qazma, istehsal və monitorinq məlumatlarını təmizləyən və vizuallaşdıran skriptlər hazırlamaq bacarığı
• Sadə proqnozlaşdırma və anomaliya modelləri qurarkən məlumat keyfiyyəti, həddindən artıq öyrənmə və ekstrapolyasiya risklərini tanımaq bacarığı
• Süni intellekt tərəfindən yaradılan kodu və nəticəni vahid nəzarət, müstəqil hesablama və mühəndislik inandırıcılığı ilə yoxlamaq bacarığı

Bu modulun hər bir bölməsində AI-nin kodlaşdırmada güclü olduğunu gördünüz: quyuların təmizlənməsi, kütlə balansı, kriginq skeleti, donanmanın xülasəsi, vibrasiya təhlili, ətraf mühitin skan edilməsi. Bu sonuncu bölmə Python-a, bu kod üçün konkret alətə və AI ilə kod yaratmaq üçün düzgün intizama diqqət yetirir. Python mədən məlumatlarının təhlilində faktiki standarta çevrildi, çünki pulsuzdur, güclü kitabxanalara malikdir (pandalar: cədvəlli məlumatların manipulyasiyası; numpy: ədədi hesablama; matplotlib: plotting; scikit-learn: maşın öyrənməsi) və təkrarlanan tapşırıqları avtomatlaşdırır. Süni intellekt bu kodu yazdığınız sürəti artırır; lakin onun istehsal etdiyi kod həmişə düzgün olmur. Bu bölmənin mərkəzi prinsipi: AI-nin yazdığı kodu oxumadan, vahidini təsdiqləmədən və az miqdarda məlum məlumatla sınaqdan keçirmədən heç vaxt işlətməyin. Kod səssizcə yanlış nəticə verə bilər ki, bu da mədənçilikdə pis mühəndislik qərarına çevrilə bilər.

AI ilə kodun yaradılmasının əsas axını

Süni intellektdən kod əldə etmək söhbət deyil, mühəndislik dövrüdür:

1. Tapşırığı aydın təsvir edin. Daxiletmə (sütunlar, vahidlər, nümunə cərgəsi), istədiyiniz çıxış və məhdudiyyətlər. Birmənalı olmayan sorğu qeyri-müəyyən kod yaradır.
2. Kiçik və oxunaqlı olmasını istəyin. Bir nəhəng funksiya yerinə addım-addım şərh edilmiş kod tələb edin.
3. Oxuyun və anlayın. Hər xəttin nə etdiyini anlayın; Başa düşmədiyiniz kodu işlətməyin.
4. Kiçik məlumatlarla sınaqdan keçirin. Nəticələrini bildiyiniz 5-10 sətirlə əl ilə işə salın və gözlənilən nəticəni yoxlayın.
5. Sual kənarı halları. Boş xana, mənfi dəyər, vahid qarışdırma, təkrar qeyd Kod necə davranır?
6. Məntiqi ölçün və yoxlayın. Bütün məlumatlar üzərində işləyin; Nəticə mühəndislik baxımından ağlabatandırmı?

İpucu: AI kodunu daxil edən ən çox yayılmış səhvlər səssizdir: səhv sütun adı, vahid qarışdırma (m vs ft, g/t vs ppm), səssiz buraxılmış sıralar (dropna kimi), səhv orta (çəkili olduqda düz orta). Bunlar səhvlərə səbəb olmur; Sadəcə səhv nömrə yaradır. Beləliklə, "xəta almadım" heç vaxt "düzgün" demək deyil.

Mədənçilikdə tipik Python tapşırıqları

• Məlumatların təmizlənməsi: Qazma/istehsal/monitorinq cədvəllərinin birləşdirilməsi, uyğunsuzluğun işarələnməsi, vahidin normallaşdırılması.
• Xülasə və vizuallaşdırma: Histoqram, zaman seriyası, dərəcəli tonaj əyrisi, OEE qrafikləri.
• Statistika və geostatistika: Xülasə statistikası, korrelyasiya, varioqram/kriqinq (xüsusi kitabxanalarla).
• Anomaliya aşkarlanması: Həddinə əsaslanan və ya sadə model əsaslı sürüşmə ələ keçirmə.
• Sadə proqnoz modelləri: Məsələn, reqressiya ilə ölçü-gəlir əlaqəsini üyütmək.

Bu tapşırıqların əksəriyyəti üçün AI əla başlanğıc kodu təmin edir. Ancaq iki tələ var: məlumat keyfiyyəti və model məhdudiyyətləri. Hər ikisini bilmək AI kodundan təhlükəsiz istifadə etmək üçün açardır.

Model məhdudiyyətləri: həddən artıq öyrənmə və ekstrapolyasiya

Süni intellektin asanlıqla qurduğu sadə proqnozlaşdırıcı modellər iki əsas riskə qarşı həssasdır. Həddindən artıq uyğunlaşma: Model təlim məlumatlarını yadda saxlayır, lakin yeni məlumatlarda zəif işləyir; Kiçik məlumatlarla mürəkkəb modellərin qurulması bunu dəvət edir. Ekstrapolyasiya: Təlim məlumatlarından kənar diapazonda proqnoz vermək məcburiyyətində qaldıqda model etibarsız olur; Məsələn, 0,3-0,8 q/t aralığında öyrənilən model 5 q/t üçün mənasız nəticələr verə bilər. AI sizin üçün bu riskləri “kortəbii” idarə etmir; Modeli tənqidi oxumaq, məşq/test fərqini yaratmaq, etimad intervalına baxmaq və proqnozun fiziki cəhətdən məqsədəuyğun olub-olmadığını yoxlamaq sizdən asılıdır. Model nömrəsi nə qədər dəqiq görünsə də, məlumat diapazonundan kənarda mühəndislik qərarı üçün əsas ola bilməz.

üç mini qutu

Hal 1 - Səssiz səs xətası. Mühəndis, süni intellektin analiz məlumatlarından orta qiymət hesablamasını təmin edən kod istəyir. Kod işləyir, nəticə 2,1 q/t-dır. Mühəndis kodu oxuyur; Diqqət yetirin ki, orta interval uzunluğu ilə ölçülmür, düz orta kimi götürülür. Qısa fasilələrlə yüksək qiymətlər haqsız olaraq çəki qazanırdı. Çəkili orta səviyyəyə keçərkən dəyər 1,7 q/t-a qədər azalır. Kod heç bir səhv vermədi; oxumaq səhvi tutdu.

2-ci hal - Səssiz xəttin düşməsi. İstehsal xülasəsi kodunda AI dropna ilə itkin dəyərləri olan sıraları təmizlədi. Kod rəvan işləyir, lakin ümumi tonaj az qiymətləndirilir, çünki bir boş sütuna görə bəzi etibarlı sətirlər tamamilə çıxarılıb. Mühəndis giriş və çıxış arasındakı xətlərin sayını müqayisə etdikdə fərqi görür və təmizləmə məntiqini düzəldir. Dərs: həmişə giriş və çıxış xətlərinin sayını müqayisə edin.

3-cü hal - Ekstrapolyasiya tələsi. Komanda aşağı sinif diapazonunda öyrənilmiş reqressiya modelini yüksək dərəcəli sahəyə tətbiq edir; Model absurd dərəcədə yüksək gəlir təxmini verir. Xoşbəxtlikdən, mühəndis nəticəni rədd edərək, "bu sahə modelin gördüyü diapazondan çox kənardadır" deyir və metallurgiya sınaqlarını tələb edir. Dərs: modelin etibarlı olduğu məlumat diapazonunu bilmək; Ştatdan kənar qiymətləndirmədən istifadə etməyin.

Kopyalana bilən sorğu şablonları

TƏHLÜKƏSİZ MƏLUMAT TƏMİZLƏMƏ KODU "Rol: Siz Python məlumat analitikinin köməkçisisiniz. Aşağıdakı cədvəli təmizləyən pandalarla kod yazın. Sütunlar və vahidlər: [siyahı]. Qaydalar: (1) sətirləri buraxmadan ƏVVƏL və SONRA cərgələrin sayını çap edin; (2) hansı sətirlərin atıldığını və bunun əvəzinə orta çəkinin harada istifadə edildiyini bildirin (3); hər addımı şərh xətti ilə izah edin."

KODU İNCELEME SORĞU"Aşağıdakı Python kodunu sətir-sətir izah edin və aşağıdakı risk nöqtələrini qeyd edin: yanlış sütun adı fərziyyəsi, vahid qarışıqlığı, səssiz sətir, düz/çəkili orta xəta, kənar hərf (null/neqativ) davranışı. Kodu DÜZƏTMƏYİN; sadəcə riskləri sadalayın. Kod: [yapışdırın]."

KİÇİK MƏLUMATLARLA TEST QURULUMU "Bu funksiya üçün nəticəsini və gözlənilən çıxışını bildiyim kiçik test məlumatını (5-6 sətir) əl ilə hazırlayın; funksiyanın bu məlumat üzərində düzgün işlədiyini yoxlayan test bloku yazın. Həmçinin ekstremal halları (boş xana, mənfi, vahid ekstremal dəyər) yoxlayın. Funksiya: [yapışdırın]."

SADƏ MODEL + HƏDD XƏBƏRDARLIĞI"Aşağıdakı məlumatlarla [x -> y] üçün sadə reqressiya qurun. Təlim/sınaq arasında fərq qoyun, xəta metrikasını bildirin və modelin ETİBƏTLİ olduğu x diapazonunu aydın şəkildə bildirin. Bu diapazondan kənarda proqnozlar verilərsə xəbərdar edin. Məlumatların və məlumatların həddən artıq yüklənməsi riskini şərh edin."

Zəif məlumat / Güclü göstəriş

ZƏFİYYƏT İSTİFADƏSİ: "Bu məlumatdan orta qiyməti hesablayın."

GÜÇLÜ İSTİFADƏ:"Rol: Siz Python köməkçisisiniz. Sütunlar: HoleID, From(m), To(m),Au(g/t). İnterval uzunluğu ilə ÇƏKİLƏNMİŞ orta qiyməti hesablayın. Kod: (1) giriş/çıxış sətirlərinin sayını çap edin; (2) null/mənfi dəyərləri bildirin, beləliklə, onları atmazdan əvvəl eyni zamanda yarımçıq dəyərləri göstərin; (3) yekun olaraq. Əl ilə nəticə verin: [yapışdırın]."

Müqayisə cədvəli: risk və ehtiyat tədbirləri

Risk

simptom

ehtiyat

Vahid müdaxiləsi

Ağlabatan, lakin səhv nömrə

Kodda vahidi şərh edin, yoxlayın

Səssiz xətt düşməsi

Total yoxdur

Giriş/çıxış xətlərinin sayını müqayisə edin

Düz və orta çəkili

səhv orta

Ağırlığı yoxlayın

həddən artıq öyrənmə

Test məlumatlarında pis

Təlim/sınaq ayrılması, sadə saxlayın

ekstrapolyasiya

Cəfəngiyatdan kənar təxminlər

Etibarlı aralığı məhdudlaşdırın

Ümumi səhvlər

• Kodu oxumadan işlətmək. "Heç bir səhv əldə etmədi" bu, doğru olduğunu bildirmir.
• Kiçik məlumatlarla sınaqdan keçirilmir. Təsdiq edilə bilən bir nümunə olmadan etibar yalandır.
• Giriş/çıxış xətlərinin sayının müqayisə edilməməsi. Səssiz itkilər belə qaçır.
• Model aralığına məhəl qoymamaq. Ekstrapolyasiya təxminləri etibarsızdır.
• Diaqramın gözəlliyinə güvənmək. Qəşəng bir qrafik səhv rəqəmi gizlədə bilər.

Diqqət: AI kodu mühəndislik hesabına daxil olarsa, bu kod hesab kimi məsuliyyət daşıyır. Nəticə mədən qərarına çevrildiyi yerdə kodu və onun çıxışını müstəqil məntiq yoxlamasından keçirin və mümkünsə ikinci üsulla müqayisə edin.

Xülasə

Python, mədən məlumatlarının təhlili üçün faktiki vasitədir və AI onu yazdığınız sürəti çox artırır. Lakin AI kodu səssiz səhvləri (vahid çaşqınlığı, sıraların düşməsi, səhv orta hesabla) və model tələlərini (həddindən artıq öyrənmə, ekstrapolyasiya) saxlaya bilər. Təhlükəsiz axın: aydın təsvir edin, kiçik və oxunaqlı olun, oxuyun və anlayın, kiçik məlum məlumatlarla sınaqdan keçirin, sorğu kənarı halları, miqyas və məntiqi yoxlayın. Model çıxışı məlumat diapazonundan kənar qərar üçün əsas ola bilməz; və hər bir kod bir mədən qərarına çevrildiyi təqdirdə bir hesab qədər məsuliyyət daşıyır.

Tətbiq tapşırığı

Süni intellektdən kodu əldə etmək üçün orta qiymət və ya istehsal xülasəsi tapşırığı ilə "Təhlükəsiz məlumatların təmizlənməsi kodu" şablonundan istifadə edin; "Kod nəzərdən keçirmə sorğusu" şablonu ilə kodu riskdən təmizləyin. Sonra, "Kiçik məlumatlarla sınaq quraşdırması" şablonu ilə nəticələrini bildiyiniz verilənlər toplusunu əl ilə yaradın və kodu yoxlayın. Nəhayət, sadə bir əlaqə üçün "Sadə model + limit xəbərdarlığı" şablonu ilə bir model qurun və etibarlı diapazondan kənara çıxdıqda onun xəbərdarlıq verdiyini yoxlayın.

yoxlama siyahısı

• [ ] Mən AI kodunu oxudum və hər sətri başa düşdüm, onu kor-koranə işlətmədim.
• [ ] Mən onu kiçik, əl ilə yoxlana bilən məlumatlarla sınaqdan keçirdim.
• [ ] Mən giriş və çıxış xətlərinin sayını müqayisə etdim.
• [ ] Mən vahidin uyğunluğunu və çəkisini yoxladım.
• [ ] Mən ekstrapolyasiyadan qaçaraq modelin etibarlı məlumat diapazonunu məhdudlaşdırdım.
• [ ] Qərara çevrilən nəticəni müstəqil məntiq/ikinci üsulla yoxladım.

Modul imtahanı

1. Təcrübəçi süni intellektlə söhbət alətindən filiz gövdəsinin orta dərəcəsi haqqında soruşur və nəticədə əldə edilən "1,8 q/t qızıl" dəyərini birbaşa ehtiyat hesabatına yazır. Bu yanaşmada əsas səhv nədir?

• A) Qiymət dəyəri layihənin öz qazma/analiz məlumatlarından və təsdiqlənmiş proqnozdan gəlməlidir; AI tərəfindən yaradılan rəqəm mənbəsiz uydurma ola bilər ✔
• B) AI üçün qram əvəzinə unsiya ilə soruşulmalı idi
• C) Qiymət düzgündür, vergül əvəzinə yalnız nöqtə qoyulmalı idi
• D) AI-yə eyni sualı üç dəfə vermək və orta qiymət almaq kifayətdir

İzahat: Dil modeli layihənizin qazma məlumatlarını bilmir; çox güman ki, (hallüsinasiya) görünən bir sıra yaradır. Qiymət yalnız layihənin öz qazma məlumatlarından və geostatistik qiymətləndirməsindən əldə edilir; Səlahiyyətli şəxsin razılığı olmadan AI çıxışı hesabata daxil edilə bilməz.

2. Dağ-mədən mühəndisliyində AI-nin istifadəsində “risk əsaslı təsnifat” nəyə imkan verir?

• A) AI alətinin qiymətini aşağı salın
• B) Tapşırığın risk səviyyəsinə uyğun olaraq AI-nin rolunu və yoxlamanın məcburi dərinliyini müəyyənləşdirin ✔
• C) Təkliflər daha qısa yazılmalıdır
• D) Bütün qərarları avtomatik olaraq AI-yə həvalə edin

İzahat: Hər missiya eyni risk səviyyəsində deyil. Tapşırığın aşağı/orta/yüksək/kritik kimi təsnifləşdirilməsi hansı məhsulun sərbəst istifadə oluna biləcəyini və hansının standart və sahədə yoxlanışını və səlahiyyətli mühəndis təsdiqini tələb etdiyini müəyyən edir.

3. Geostatistikada 'varioqram' modeli nədən ibarətdir?

• A) Avadanlığın yanacaq sərfiyyatı
• B) Zamanla metalın qiymətinin dəyişməsi
• C) Məsafədən asılı olaraq fəza davamlılığı; ✔ xallar uzaqlaşdıqca oxşarlıq necə azalır
• D) Partlayış nəticəsində yaranan vibrasiya tezliyi

Təsvir: Varioqram iki nöqtə arasındakı məsafə artdıqca nümunələrin bir-birinə oxşarlığının necə azaldığını (məkan davamlılığı) təsvir edir. Kriqinq qeyri-müəyyənlik marjası ilə ölçülməmiş nöqtələri qiymətləndirmək üçün bu modeldən istifadə edir.

4. Süni intellekt litologiyanı qazma əsas fotoqrafiyasından qabaqcadan təsnif edərkən ən yaxşı yanaşma hansıdır?

• A) AI tərəfindən verilən süxur növünün birbaşa qazma jurnalına emal edilməsi
• B) Şəkli ümumiyyətlə tədqiq etmədən AI mətnini hesabata köçürmək
• C) Geoloqun müşahidəsini ləğv etmək və yalnız süni intellektə arxalanmaq
• D) Nəticəni ilkin proqnoz/fərziyyə hesab edin və geoloqun müşahidəsi və laboratoriya analizi ilə yoxlayın ✔

Təsvir: AI təsvirdən proqnoz və diqqət siyahısı yarada bilər; Bununla belə, son litologiya/dəyişiklik qərarı geoloqun müşahidəsi və laboratoriya analizi ilə verilir. AI çıxışı bir başlanğıcdır, təsdiqlənəcək bir fərziyyədir.

5. Açıq qazma işlərinin planlaşdırılmasında 'soyma nisbəti' nə deməkdir?

• A) Bir filiz vahidinə çatmaq üçün çıxarılmalı olan pasın (tullantı süxurunun) miqdarı ✔
• B) Filizdə metalın faizi
• C) Yük maşınlarının gündəlik səfərlərinin sayı
• D) Partlayış zamanı istifadə olunan partlayıcının miqdarı

Təsvir: Soyma dərəcəsi bir vahid filiz əldə etmək üçün çıxarılmalı olan tullantıların (zolağın/tullantıların) miqdarıdır. Çuxurun son həddi və iqtisadiyyatı əsasən bu nisbətdən asılıdır; Süni intellekt ssenarilər yaratsa da, sərhəd qərarı səlahiyyətli mühəndisdən asılıdır.

6. Süni intellekt vibrasiya və temperatur məlumatlarında “anomaliyalar” tapdıqda, proqnozlaşdırıcı texniki xidmətdə nə deməkdir?

• A) Avadanlığın mütləq sıradan çıxmasının sübutu
• B) Məlumatların normadan kənara çıxması barədə xəbərdarlıq; Bu, nasazlığın qəti diaqnozu deyil, fiziki müayinə ilə təsdiqlənməsi lazım olan əlamətdir ✔
• C) Avadanlığın avtomatik dayandırılmasını əmr edin
• D) Verilənlərin səhv qeyd olunmasına zəmanət

İzahat: Anomaliya məlumatların normal davranışdan sapmasıdır və nasazlığı göstərə bilər; lakin bu qəti diaqnoz deyil. Avadanlığın dayandırılması və ya hissələrin dəyişdirilməsi barədə qərar texniki xidmət qrupunun fiziki müayinəsi və əməliyyat menecerinin təsdiqi ilə qəbul edilir.

7. Qazma-partlayış dizaynında AI-dən istifadə edərkən təhlükəsizlik üçün hansı vacibdir?

• A) AI tövsiyəsinin birbaşa sahədə həyata keçirilməsi
• B) Vibrasiyanın ölçülməsinin atlanması
• C) Süni intellektlə təklif olunan dizaynın sahə ölçülməsi, tənzimləmə həddi və səlahiyyətli partlayış mütəxəssisinin təsdiqi ilə yoxlanılması ✔
• D) AI tərəfindən verilən maksimum partlayıcı maddələrin miqdarını təyin etmək

Təsvir: Partlayış; Vibrasiya, hava zərbəsi və uçan daşlar kimi ciddi təhlükəsizlik və tənzimləyici risklər daşıyır. AI dizayn eskizi və parametr tövsiyəsi hazırlaya bilər; Bununla belə, yekun layihə sahə ölçülməsindən, normativ məhdudiyyətlərdən və səlahiyyətli partlayış üzrə ekspertin (detonator/məsul) təsdiqindən keçməlidir.

8. Mineral emalı zamanı “bərpa” və “konsentrat dərəcəsi” arasında tipik əlaqə nədir və AI bunu şərh edərkən nəyi yadda saxlamalıdır?

• A) İkisi həmişə birlikdə artır
• B) Aralarında heç bir əlaqə yoxdur
• C) Münasibət sabit və bütün obyektlərdə eynidir
• D) Adətən əks balans var (məhsul artdıqca gəlir azalır); faktiki dəyərlər metallurgiya testi və kütlə balansı ilə təsdiqlənməlidir ✔

İzahat: Ümumiyyətlə, biz daha yüksək konsentrasiyalı çeşid əldə etməyə çalışdıqca, məhsuldarlıq azalır (nəticə-gəlir balansı). AI bu tendensiyanı izah edə bilər, lakin faktiki əməliyyat dəyərləri metallurgiya testi və kütlə balansı ilə təsdiqlənməlidir; ümumi tendensiya sayta xas reallığı əvəz etmir.

9. Əməyin mühafizəsində süni intellektlə qəza/qəza məlumatlarının təhlilinin ən məqsədəuyğun istifadəsi hansıdır?

• A) Sərbəst mətn qeydlərini təsnif edin və təkrarlanan risk nümunələrini çıxarın; Qərar verməyi İSG ekspertinə həvalə edin✔
• B) Qəzaların günahkarını avtomatik müəyyən etmək
• C) İşin dayandırılması əmrlərini AI-yə həvalə etmək
• D) Nəzərdən keçirilməsinə az qalmış qeydlərin arxivləşdirilməsi

Təsvir: AI böyük miqdarda pulsuz mətn qeydlərini təsnif edə və təkrarlanan nümunələri və riskli şərtləri tez bir zamanda çıxara bilər. Lakin işin dayandırılması, ərazinin boşaldılması və ya əsas səbəb kimi İSG eksperti və qanunvericilik çərçivəsində qərar verilir; AI çıxışı qərar deyil, girişdir.

10. Nə üçün “deformasiya sürətinin sürətlənməsi” yamacın monitorinqində radar/prizma məlumatlarında kritik əlamətdir?

• A) Bu, mütləq ölçü cihazının xarab olduğunu göstərir.
• B) Mütərəqqi məğlubiyyətdən xəbər verə bilər; Erkən xəbərdarlıq və evakuasiya qərarı geotexniki mühəndisə məxsusdur ✔
• C) Yamacın tam təhlükəsiz olduğunu göstərir
• D) Yalnız yağıntı olduqda əhəmiyyətlidir və onu nəzərə almamaq olar

İzahat: Yamacların sıradan çıxmasından əvvəl ümumiyyətlə deformasiya sürətinin (sürətlənmənin) tədricən artması müşahidə olunur; Bu mütərəqqi uğursuzluğun əlaməti ola bilər. AI tendensiyanı vurğulaya bilər, lakin evakuasiya/erkən xəbərdarlıq qərarı geotexniki mühəndisin təhlili və protokolu ilə qəbul edilir.

11. Ətraf mühitin monitorinqi zamanı süni intellektin suyun keyfiyyəti vaxt seriyasında tapdığı “aşmaq” işarəsinə ən dəqiq cavab hansıdır?

• A) AI çıxışı haqqında birbaşa dövlət qurumuna hesabat vermək
• B) Xəbərdarlığa məhəl qoymayın və izləməyə davam edin
• C) Akkreditə olunmuş laboratoriya nəticəsi, tənzimləmə limiti və ətraf mühit mühəndisinin qiymətləndirməsi ilə yoxlayın ✔
• D) Yalnız AI-yə güvənmək və laboratoriya analizini ləğv etmək

Təsvir: Süni intellekt mümkün pozuntu barədə erkən siqnal verə bilər; Bununla belə, rəsmi uyğunluq qərarı akkreditə olunmuş laboratoriya təhlili, qanunvericilikdəki limit dəyərlər və ətraf mühit üzrə mühəndisin qiymətləndirməsi ilə verilir. AI çıxışı hüquqi/texniki qərar deyil, yoxlama xəbərdarlığıdır.

12. AI-dan JORC və ya NI 43-101 kimi standartın bənd nömrəsini soruşduqda uydurma (hallüsinasiya) arayış əldə etməməyin ən etibarlı yolu hansıdır?

• A) AI tərəfindən verilən maddə nömrəsinə əsaslanaraq
• B) Eyni sualı müxtəlif sözlərlə təkrar vermək
• C) Standart yerinə bloq yazısına baxmaq
• D) Standartın mövcud rəsmi mətnindən hər bir məqalə arayışının açılması və təsdiqlənməsi və səlahiyyətli şəxsdən təsdiqin alınması ✔

İzahat: Dil modeli standartın adını düzgün bilsə də, məqalə nömrəsini və mətni hallüsinasiya edə bilər. Hər bir maddə arayışı açılmalı və standartın cari rəsmi mətnindən təsdiq edilməlidir və yekun uyğunluq səlahiyyətli şəxs (CP/QP) tərəfindən təsdiqlənməlidir.

13. Süni intellektlə yazılmış Python analiz skriptini işə salmazdan əvvəl ən kritik yoxlama hansıdır?

• A) Kodun oxunması və vahid/sütun uyğunluğunun yoxlanması, kiçik məlum məlumatlarla sınaqdan keçirilməsi və nəticənin inandırıcılığının yoxlanılması ✔
• B) Kodu oxumadan birbaşa bütün verilənlər toplusunda işlətmək
• C) Sadəcə olaraq heç bir səhv olmadığını görüb nəticəni qəbul etmək
• D) Gözəl görünmək üçün çıxışın qrafikasına əsaslanaraq.

Təsvir: AI kodu vahidləri qarışdıra, sütun adlarını səhv qəbul edə və ya sətirləri səssizcə buraxa bilər. Kodu oxumaq, həcm və sütun uyğunluğunu yoxlamaq, az miqdarda məlum məlumatla sınaqdan keçirmək və nəticənin mühəndislik baxımından məqsədəuyğun olub olmadığını yoxlamaq vacibdir.

14. Bulud əsaslı AI alətinə mədən məlumatlarını verərkən məxfilik baxımından ən yaxşı davranış hansıdır?

• A) Bütün xam məlumatların olduğu kimi yapışdırılması
• B) Kontekstini anonimləşdirin və həssas ehtiyat/koordinasiya/istehsal məlumatlarını təmizləyin və korporativ, siyasətə uyğun alətdən istifadə edin ✔
• C) Nəticənin keyfiyyəti üçün faktiki koordinatların verilməsinin vacib olduğunu fərz etmək
• D) Məxfilik siyasətinə ümumiyyətlə məhəl qoymamaq

İzahat: Ehtiyat rəqəmləri, lisenziya/koordinasiya məlumatları və istehsal məlumatları ticarət sirri və qanunvericilik baxımından həssasdır. Konteksti anonimləşdirmək, real koordinatları və adları təmizləmək, korporativ/məxfiliyə zəmanət verən aləti seçmək və şirkət siyasətinə riayət etmək lazımdır.