Ngwuputa Data Analysis na Python na Frontiers nke AI — Ọgụgụ isi Artificial na Ngwuputa Ngwuputa

Uru:

Ikike iji mepụta scripts na-ehicha ma na-ahụ anya na-egwupụta ihe, mmepụta na nlekota data na Python, na nkwado AI
Ikike ịmata ogo data, mmụta mmụta na ihe egwu mwepu mgbe ị na-ewu amụma dị mfe na ụdị anomaly
Ikike iji nyochaa koodu AI mepụtara yana nsonaazụ site na njikwa otu, mgbako onwe ya na plausibility injinia

N'ime nkeji ọ bụla nke modul a, ị hụla ka AI siri ike na nzuzo: nhicha olulu mmiri, nguzozi oke, ọkpụkpụ kriging, nchịkọta ụgbọ mmiri, nyocha mkpọtụ, nyocha gburugburu. Nke ikpeazụ a na-elekwasị anya na Python, ngwá ọrụ dị mkpa maka koodu ahụ, yana ịdọ aka ná ntị kwesịrị ekwesị nke ịmepụta koodu na AI. Python abụrụla ọkọlọtọ de facto na nyocha data ngwuputa n'ihi na ọ bụ n'efu, nwere ọba akwụkwọ dị ike (pandas: njikwa data tabular; ọnụọgụgụ: ọnụọgụ ọnụọgụ; matplotlib: plotting; scikit-mụta: mmụta igwe), na-arụkwa ọrụ ugboro ugboro. AI na-amụba ọsọ nke ị na-ede koodu ahụ; mana koodu ọ na-emepụta anaghị adị mma mgbe niile. Ụkpụrụ bụ isi nke otu a: Ọ dịghị mgbe ọ bụla na-agba ọsọ koodu AI na-ede n'ebughị ụzọ gụọ ya, na-akwado otu ya, ma jiri obere data mara ya nwalee ya. Koodu ahụ nwere ike iwepụta nsonaazụ na-ezighi ezi, nke nwere ike bụrụ mkpebi injinia ọjọọ na Ngwuputa.

Usoro izizi nke imepụta koodu na AI

Inweta koodu sitere na AI bụ okirikiri injinia, ọ bụghị mkparịta ụka:

Kọwaa ọrụ ahụ nke ọma. Ntinye (ogidi, nkeji, ahịrị nlele), mmepụta achọrọ na mgbochi. Arịrịọ na-enweghị isi na-ewepụta koodu na-enweghị isi.
Rịọ ka ọ dị obere ma nwee ike ịgụ ya. Rịọ maka nzọụkwụ site-nzọụkwụ, koodu kwuru karịa otu nnukwu ọrụ.
Gụọ ma ghọta. Ghọta ihe ahịrị ọ bụla na-eme; Agbala koodu ị na-aghọtaghị.
Jiri obere data nwalee. Jiri aka gị jiri ahịrị 5-10 mee ya nke ị maara nsonaazụ ya wee chọpụta nsonaazụ a tụrụ anya ya.
Okwu ọnụ ajụjụ. Cell efu, uru na-adịghị mma, otu ngbanwe, ndekọ ugboro ugboro Kedu ka koodu ahụ si eme?
Nyochaa ma lelee mgbagha. Gbaa na data niile; Nsonaazụ ọ̀ bụ n'ụzọ ezi uche dị na ya?

NDỤMỌDỤ: Njehie ndị a na-ahụkarị na-abanye na koodu AI na-agbachi nkịtị: aha kọlụm na-ezighi ezi, ngwakọta unit (m vs ft, g / t vs ppm), ahịrị ndị dara jụụ (dị ka dropna), nkezi na-ezighị ezi (nkezi dị larịị mgbe ọ kwesịrị ịdị arọ). Ndị a anaghị akpata njehie; Ọ na-emepụta nọmba na-ezighi ezi. Ya mere, "enwetaghị njehie" ọ dịghị mgbe ọ pụtara "ziri ezi".

Ọrụ Python a na-ahụkarị na Ngwuputa

Nhicha data: Tebụl na-egwupụta ihe / mmepụta / nleba anya, ọkọlọtọ na-ekwekọghị ekwekọ, otu nhazi.
Nchịkọta na nleba anya: Histogram, usoro oge, usoro akara-tonnage, eserese OEE.
Statistics na geostatistics: Nchịkọta nchịkọta, mmekọrịta, variogram/kriging (ya na ọba akwụkwọ pụrụ iche).
Nchọpụta anomaly: nwude draft dabere na oke ma ọ bụ dị mfe dabere na ihe nlereanya.
Ụdị amụma dị mfe: Dịka ọmụmaatụ, mmekọrita oke-mmetụta na nlọghachi azụ.

Maka ọtụtụ n'ime ọrụ ndị a, AI na-enye koodu mmalite mara mma. Mana enwere ọnyà abụọ: ogo data na oke ụdị. Ịmara ha abụọ bụ isi iji koodu AI n'enweghị nsogbu.

Oke ụdịdị: mmụta na mgbakwunye

Modeldị amụma amụma dị mfe nke AI na-ewuli ngwa ngwa nwere ike ibute nnukwu ihe egwu abụọ. Nkafe oke: Ihe nlereanya ahụ na-eburu data ọzụzụ n'isi mana ọ na-arụ ọrụ nke ọma na data ọhụrụ; Iwuli ụdị mgbagwoju anya na obere data na-akpọ nke a. Extrapolation: Ụdị ahụ na-aghọ ihe a na-apụghị ịdabere na ya mgbe a manyere ya ịkọ amụma n'ofe dị n'èzí nke data ọzụzụ; Dịka ọmụmaatụ, ihe nlereanya a mụtara na 0.3-0.8 g /t nwere ike inye nsonaazụ na-enweghị isi maka 5 g / t. AI anaghị achịkwa ihe egwu ndị a "na mberede" maka gị; Ọ dịịrị gị ka ị gụọ ihe nlereanya ahụ nke ọma, mee ka ọzụzụ / nnwale dị iche, lelee oge ntụkwasị obi, wee lelee ma amụma ahụ ọ̀ bụ ihe ezi uche dị na ya. N'agbanyeghị otú nọmba nlereanya si zie ezi, ọ nweghị ike ịbụ ihe ndabere maka mkpebi injinia na-abụghị oke data.

Obere ikpe atọ

Ikpe 1 - Njehie olu dị jụụ. Onye injinia chọrọ koodu nke na-eme ka AI gbakọọ nkezi ọkwa site na data nyocha. Koodu na-arụ ọrụ, nsonaazụ ya bụ 2.1 g / t. Onye injinia na-agụ koodu; Rịba ama na nkezi anaghị atụ ya n'ogologo oge, kama a na-ewere ya dị ka nkezi kwụ ọtọ. Ọkwa dị elu n'ime obere oge na-ebuwanye ibu n'ụzọ na-ezighi ezi. Mgbe ị na-aga na nkezi dị arọ, uru ya na-ebelata ruo 1.7 g / t. Koodu enyeghị njehie; ịgụ akwụkwọ jidere njehie ahụ.

Ikpe 2 - nkwụsịtụ ahịrị dị jụụ. Na koodu nchịkọta mmepụta, AI kpochapụrụ ahịrị ndị nwere ụkpụrụ efu na dropna. Koodu ahụ na-aga nke ọma, mana a na-eleda mkpokọta tonnaji anya n'ihi na ahịrị ụfọdụ dabara adaba kpam kpam n'ihi otu kọlụm efu. Mgbe onye injinia na-atụnyere ọnụọgụ nke ahịrị n'etiti ntinye na mmepụta, ọ na-ahụ ihe dị iche ma na-edozi mgbagha nhicha. Ihe nkuzi: atụnyere ọnụọgụ ntinye na ahịrị mmepụta mgbe niile.

Ikpe 3 - Extrapolation ọnyà. Otu otu na-etinye usoro nkwụghachi azụ a mụtara na ọkwa dị ala ruo na mpaghara ọkwa dị elu; Ụdị ahụ na-enye atụmatụ mkpụrụ dị elu na-enweghị atụ. Ọ dabara nke ọma, injinia jụrụ nsonaazụ ahụ, na-ekwu na "mpaghara a dị n'èzí nke ihe nlereanya ahụ hụrụ" ma rịọ maka nnwale ọla. Ihe nkuzi: mara oke data nke ihe nlereanya ahụ dị irè; Ejila atụmatụ na-abụghị steeti.

Ndebiri ozugbo enwere ike iṅomi

CODE SECURE DATA CLEANING CODE "Ọrụ: Ị bụ onye na-enyere aka nyocha data Python. Dee koodu na pandas nke na-asachapụ tebụl na-esonụ. Ogidi na nkeji: [ndepụta]. Iwu: (1) bipụta ọnụ ọgụgụ nke ahịrị tupu na mgbe idobe ahịrị; (2) na-akọ nke ahịrị ndị dara n'ahịrị na ihe kpatara ya; (3). jiri ahịrị ikwu kwụ n'ahịrị."

Arịrịọ Nyochaa CODE"Kwaawaa ahịrị koodu Python na-esonụ site n'ahịrị wee rụtụ aka n'ihe ize ndụ ndị a: echiche aha kọlụm na-ezighi ezi, mgbagwoju anya otu, rowdrop dị jụụ, njehie dị larịị / dị arọ, ikpe ihu (null/negative) omume. Emezigharịla koodu ahụ; depụta naanị ihe ize ndụ. Koodu: [Tapawa]."

Nhazi ule na obere data "Maka ọrụ a, jiri aka na-emepụta obere data ule (5-6 ahịrị) nke m maara nsonaazụ na mmepụta a na-atụ anya ya; dee ihe mgbochi nke na-enyocha ma ọrụ ahụ na-arụ ọrụ nke ọma na data a. Na-anwalekwa ikpe ndị dị oke egwu (cell efu, ọjọọ, unit oke uru). Ọrụ: [paste]."

ỊDỌ AKA NA NTỊ NKE MFE + BOUNDARY "Wụlite nkwụghachi azụ dị mfe maka [x -> y] na data ndị a. Dị iche n'etiti ọzụzụ / ule, kọọ metric njehie, ma kwupụta n'ụzọ doro anya oke x nke ihe nlereanya ahụ bụ VALID. Dọọ aka ná ntị ma ọ bụrụ na a na-ebu amụma n'èzí nke a. Kwupụta ihe ize ndụ nke overtraining na sparity of data. "

Ngwa ngwa adịghị ike / Ike siri ike

EKWU IKE: "Gbakọọ nkezi ọkwa site na data a."

IKE PROMPT: "Ọrụ: Ị bụ onye enyemaka Python. Ogidi: HoleID, From (m), To (m), Au (g/t) . Gbakọọ WEIGHTED nkezi ọkwa na ogologo oge. Usoro: (1) bipụta ọnụ ọgụgụ nke ahịrị ntinye / mmepụta; (2) kọọ ụkpụrụ efu / adịghị mma tupu ịdopụ ha; (3). aka. Data: [paste]."

Tebụl atụnyere: ihe ize ndụ na ịkpachara anya

Ihe ize ndụ

akara

ịkpachara anya

nnyonye anya otu

Ọnụ ọgụgụ dị ezi uche mana na-ezighi ezi

Kwupụta otu n'ime koodu, lelee ya

dobe ahịrị dị jụụ

Mkpokọta na-efu

Tulee ọnụọgụ nke ahịrị ntinye/mpụta

Dị larịị vs nkezi arọ

nkezi na-ezighi ezi

Chọpụta ịdị arọ

ịmụ ihe

Ọjọ na data ule

Ọzụzụ / nnwale nkewa, mee ka ọ dị mfe

extrapolation

Amamihe nzuzu adịghị oke

Machie oke dị irè

Mmejọ ndị nkịtị

Na-agba ọsọ koodu na-agụghị ya. "Ọ nwetaghị mmejọ ọ bụla" apụtaghị na ọ bụ eziokwu.
Anaghị eji obere data nwalee. Ntụkwasị obi na-enweghị atụ nwere ike ịnwapụta bụ ụgha.
Ọbụghị atụnyere ọnụọgụ nke ahịrị ntinye/mpụta. Nke a bụ ka mfu na-agbachi nkịtị si agbanahụ.
Na-eleghara nso nso a nlereanya. Atụmatụ Extrapolation enweghị ntụkwasị obi.
Ịtụkwasị obi ịma mma nke chaatị ahụ. Chaatị mara mma nwere ike zoo nọmba na-ezighi ezi.

Ntị: Ọ bụrụ na koodu AI na-abanye na akaụntụ injinia, koodu ahụ bụ ọrụ dị ka akaụntụ. N'ebe ọ bụla ihe ga-esi na ya pụta bụ mkpebi ngwuputa, megharịa koodu ahụ na mmepụta ya site na nyocha mgbagha nke onwe ya na ntụnyere na usoro nke abụọ ma ọ bụrụ na ọ ga-ekwe omume.

Na nchịkọta

Python bụ ngwa de facto maka nyocha data nke Ngwuputa, AI na-abawanye ọsọ nke ị na-ede ya nke ukwuu. Mana koodu AI nwere ike iburu nchichi nkịtị (mgbagwoju anya otu, ọdịda ahịrị, nkezi na-ezighi ezi) yana ọnyà ihe atụ (ịmụ akwụkwọ, mgbakwunye). Ọgbara echedoro: kọwapụta nke ọma, chọrọ obere na enwere ike ịgụ, gụọ ma ghọta, jiri obere data amaara nwalee, ikpe ihu ajụjụ, ọnụ ọgụgụ na nyocha mgbagha. Ihe mmepụta ihe nlereanya enweghị ike ịbụ ihe ndabere maka mkpebi n'èzí data; na koodu ọ bụla na-ebu ibu dị ukwuu dị ka akaụntụ ma ọ bụrụ na ọ ghọọ mkpebi nke Ngwuputa.

Ọrụ ngwa

Jiri ndebiri "koodu nchekwa data echekwara" yana ọrụ nchịkọta ọkwa ma ọ bụ ọrụ nchịkọta mmepụta iji nweta koodu site na AI; Mee ka koodu ahụ tinye ihe n'ihe ize ndụ site na ndebiri "arịrịọ nyocha koodu". Mgbe ahụ, site na ndebiri "Nleba anya na obere data", jiri aka mepụta data setịpụ nke ị maara nsonaazụ ya wee nyochaa koodu ahụ. N'ikpeazụ, maka mmekọrịta dị mfe, guzobe ihe nlereanya na template "Simple Model + njedebe ịdọ aka ná ntị" ma nwalee na ọ na-enye ịdọ aka ná ntị mgbe ọ na-apụ n'èzí dị mma.

ndetu

[ ] Agụrụ m koodu AI wee ghọta ahịrị ọ bụla, anaghị m agba ya n'ezoghị ọnụ.
[ ] Eji m obere data nwere ike iji aka nwalee ya.
[] M tụnyere ọnụ ọgụgụ ntinye na ahịrị mmepụta.
[ ] Ekwenyere m na nkwekọ otu na ịdị arọ.
[] M kpachiri oke data dị mma nke ihe nlereanya ahụ, na-ezere mgbakwunye.
[ ] A na m elele nsonaazụ ya, nke ghọrọ mkpebi, jiri mgbagha/usoro nke abụọ nwere onwe.

Ule modul

1. Onye ọrụ na-ajụ AI nkata ngwá ọrụ banyere nkezi ọkwa nke ore ahu na-ede da dapụtara uru nke '1.8 g / t gold' ozugbo n'ime idobere akụkọ. Gịnị bụ isi ndudue na nke a?

A) Uru ọkwa ahụ ga-esite na data ngwupu/nyocha nke ọrụ ahụ yana amụma ekwenyesiri ike; Ọnụọgụ nke AI mepụtara nwere ike ịbụ ihe echepụtaghị ✔
B) Ọ kwesịrị ka a rịọ maka AI na ounces kama gram
C) Uru ahụ ziri ezi, naanị otu oge kwesịrị ijiri rikoma
D) O zuru ezu ịjụ AI otu ajụjụ ugboro atọ ma were nkezi

Nkọwa: Ụdị asụsụ amaghị data mkpọpu nke ọrụ gị; na-emepụta ọnụọgụgụ nke yiri ka ọ kacha (hallucination). Ọkwa a na-abịa naanị site na data mkpọpu ala nke arụrụ arụ na atụmatụ geostatistic; Enweghị ike itinye mmepụta AI na akụkọ na-enweghị nkwado nke onye tozuru etozu.

2. Kedu ihe 'nhazi nke dabere n'ihe ize ndụ' na-enyere aka n'iji AI na-arụ ọrụ ngwuputa ihe?

A) Belata ọnụahịa nke ngwá ọrụ AI
B) Kpebie ọrụ AI na ihe omimi nke nkwenye dị ka ọkwa dị ize ndụ nke ọrụ ahụ si dị ✔
C) Ekwesịrị ka edepụta ngwa ngwa karịa nkenke
D) Nyefee mkpebi niile na akpaghị aka na AI

Nkọwa: Ọ bụghị ọrụ ọ bụla nọ n'otu ọkwa ihe egwu. Ịkọwa ọrụ ahụ dị ka obere / ọkara / elu / dị oke egwu na-ekpebi mmepụta nke enwere ike iji ya mee ihe na nke chọrọ nkwenye ọkọlọtọ na ubi na nkwenye injinia ruru eru.

3. Kedu ihe nlereanya 'variogram' na geostatistics?

A) Mmanụ ụgbọala oriri nke akụrụngwa
B) Mgbanwe nke ọnụahịa igwe ka oge na-aga
C) Ịga n'ihu na mbara ala dabere na anya; ✔ ka myirịta na-ebelata ka isi ihe na-aga n'ihu
D) Ugboro ịma jijiji mere site na ịgbawa

Nkọwa: Variogram na-akọwa ka myirịta nke ihe atụ na ibe ya si ebelata (ịga n'ihu oghere) ka anya dị n'etiti isi ihe abụọ na-abawanye. Kriging na-eji ihe atụ a tụọ isi ihe na-enweghị atụ na oke ejighị n'aka.

4. Gịnị bụ ụzọ kasị mma mgbe inwe AI pre-classify lithology si drill isi foto?

A) Na-ahazi ụdị nkume AI nyere ozugbo n'ime ndekọ egwu egwu
B) Detuo ederede AI n'ime akụkọ na-enyochaghị foto ahụ ma ọlị
C) Ịkagbu nleba anya nke ọkà mmụta ala na ịdabere naanị na AI
D) Tụlee ihe mmepụta ahụ dị ka amụma mbụ / echiche ma nyochaa ya site na nyocha geologist na nyocha ụlọ nyocha ✔

Nkọwa: AI nwere ike ịmepụta amụma na ndepụta nlebara anya site na onyinyo ahụ; Agbanyeghị, mkpebi ikpeazụ lithology/mgbanwe bụ nke onye nleba anya na nyocha ụlọ nyocha. Mwepụta AI bụ mmalite, echiche a ga-enyocha.

5. Kedu ihe 'strapping ratio' pụtara na nhazi olulu mepere emepe?

A) Ọnụ ọgụgụ nke nchara (nkume mkpofu) nke a ga-ewepụ iji ruo otu nkeji nke ore ✔
B) Pasent nke metal na ore
C) Ọnụ ọgụgụ njem nke gwongworo kwa ụbọchị
D) Ọnụọgụ ihe mgbawa eji eme ihe na-agbawa agbawa

Nkọwa: Ọnụego mwepu bụ ọnụọgụ mkpofu (nhịahụ / ihe mkpofu) nke a ga-ewepụrịrị iji nweta otu nkeji nke ore. The ikpeazụ olulu ịgba na aku na uba na-adabere n'ụzọ dị ukwuu na nke a ruru; Ọ bụ ezie na AI na-emepụta ihe ndapụta, mkpebi ókèala dị n'aka onye injinia ruru eru.

6. Gịnị ka ọ pụtara na amụma amụma mgbe AI chọtara 'anomalies' na vibration na okpomọkụ data?

A) Ihe akaebe na akụrụngwa adaala nke ọma
B) ịdọ aka ná ntị na data deviates si nkịtị; Ọ bụghị nchoputa doro anya nke adịghị arụ ọrụ, kama ọ bụ ihe ịrịba ama nke ekwesịrị iji nyocha anụ ahụ gosi ya ✔
C) Nye iwu ka akwụsị ngwa ngwa na akpaghị aka
D) Na-ekwe nkwa na edekọ data ezighi ezi

Nkọwa: Anomaly bụ ngbanwe nke data site na omume nkịtị ma nwee ike igosi adịghị arụ ọrụ; mana ọbụghị nchoputa doro anya. A na-eme mkpebi ịkwụsị ngwá ọrụ ma ọ bụ dochie akụkụ site na nyocha anụ ahụ nke ndị ọrụ nlekọta na nkwenye nke onye njikwa ọrụ.

7. Kedu ihe dị mkpa maka nchekwa mgbe ị na-eji AI na-emepụta ihe na-agbawa agbawa?

A) Mmejuputa nkwanye AI ozugbo n'ọhịa
B) Ịwụfe nha ịma jijiji
C) Nyochaa atụmatụ AI tụrụ aro na nha ubi, oke iwu na nnabata nke ọkachamara ịgbawa ọkụ nyere ikike ✔
D) Idozi ọnụọgụ ihe mgbawa na nke kachasị nke AI nyere

Nkọwa: Mgbawa; Ọ na-ebu nnukwu nchekwa yana ihe egwu nchịkwa dịka ịma jijiji, ujo ikuku na okwute na-efe efe. AI nwere ike wepụta sketị imewe na nkwanye oke; Agbanyeghị, imewe ikpeazụ ga-agaferịrị nha ubi, oke iwu na nnabata nke ọkachamara ịgbawa ọkụ (detonator/onye na-ahụ maka ọrụ).

8. Gịnị bụ ahụkarị mmekọrịta n'etiti 'nnaputa' na 'na-elekwasị anya ọkwa' na ịnweta nhazi na gịnị ka AI kwesịrị icheta mgbe ịkọwa nke a?

A) Ha abụọ na-abawanye ọnụ mgbe niile
B) Enweghị mmekọrịta dị n'etiti ha
C) Mmekọrịta ahụ na-adịgide adịgide na otu na ụlọ ọrụ niile
D) A na-enwekarị nguzozi azụ (mkpụrụ na-ebelata ka ọkwa na-abawanye); A ga-enyocharịrị ụkpụrụ n'ezie site na nyocha ọla na nguzozi oke ✔

Nkọwa: N'ozuzu, ka anyị na-agbalị ịnweta ọkwa dị elu dị elu, mkpụrụ na-ebelata (ntụziaka mkpụrụ-ọkwa). AI nwere ike ịkọwa usoro a, mana a ga-enyocharịrị ụkpụrụ arụ ọrụ n'ezie site na nnwale metallurgical na nguzozi oke; usoro a na-eme n'ozuzu abụghị ihe dochie anya eziokwu kpọmkwem saịtị.

9. Kedu ihe kacha mma iji nyochaa data efu / ihe mberede na AI na nchekwa ọrụ?

A) Kewaa ndekọ ederede efu ma wepụta usoro ihe egwu na-emegharị ugboro ugboro; Hapụ mkpebi ahụ n'aka ọkachamara OHS ✔
B) Chọpụta onye kpatara ihe mberede na-akpaghị aka
C) Nyefee iwu nkwụsị ọrụ na AI
D) Ịchekwa akwụkwọ ndekọ dị nso na-agaghị enyocha ya

Nkọwa: AI nwere ike kewaa nnukwu ndekọ ederede efu ma wepụta usoro ugboro ugboro na ọnọdụ dị ize ndụ ngwa ngwa. Agbanyeghị, a na-eme mkpebi ịkwụsị ọrụ, ịchụpụ mpaghara ma ọ bụ ihe kpatara ya n'ime usoro nke ọkachamara OHS na iwu; Ihe mmepụta AI bụ ntinye, ọ bụghị mkpebi.

10. Gịnị kpatara 'mmeziwanye ọnụego nrụrụ' ji bụrụ akara dị oke egwu na data radar/prism na nlebanya mkpọda?

A) Ọ na-egosi n'ezie na ngwaọrụ nha agbajiri agbaji.
B) Ọ nwere ike ịkpọsa mmeri na-aga n'ihu; Ịdọ aka ná ntị mbụ na mkpebi ọpụpụ bụ nke injinia geotechnical ✔
C) Ọ na-egosi na mkpọda ahụ dị mma kpamkpam
D) Ọ dị mkpa naanị mgbe enwere mmiri ozuzo ma enwere ike ileghara ya anya

Nkọwa: Tupu ọdịda mkpọda, a na-ahụkarị mmụba nke nta nke nta na ọnụego nrụrụ (ngwa ngwa); Nke a nwere ike ịbụ akara ọdịda na-aga n'ihu. AI nwere ike ime ka usoro ahụ pụta ìhè, mana mkpebi ọpụpụ/mkpebi ịdọ aka ná ntị mbụ bụ site na nyocha na protocol nke injinia geotechnical.

11. Na nlekota gburugburu ebe obibi, gịnị bụ nzaghachi ziri ezi maka akara 'oke' nke AI na-achọta na usoro oge mmiri dị mma?

A) Na-akọpụta mmepụta AI ozugbo na ụlọ ọrụ gọọmentị
B) Ileghara ịdọ aka ná ntị anya wee gaa n'ihu na-ekiri
C) Nyochaa site na nsonaazụ ụlọ nyocha akwadoro, oke nchịkwa yana nyocha injinia gburugburu ✔
D) ịdabere naanị na AI na ịkagbu nyocha ụlọ nyocha

Nkọwa: AI nwere ike igosi mmebi nwere ike ime n'oge; Agbanyeghị, a na-eme mkpebi nnabata gọọmentị site na nyocha ụlọ nyocha enwetara ikike, oke ụkpụrụ na iwu yana nyocha nke injinia gburugburu. Ihe mmepụta AI bụ njikere nyocha, ọ bụghị mkpebi iwu / nka.

12. Kedu ụzọ a pụrụ ịdabere na ya iji zere ịnweta ntinye aka (hallucinatory) mgbe ị na-ajụ AI maka nọmba nkebiokwu nke ọkọlọtọ dịka JORC ma ọ bụ NI 43-101?

A) ịdabere na nọmba ihe AI nyere
B) Iji okwu dị iche iche na-ajụ otu ajụjụ ahụ ọzọ
C) Ilele post blọgụ kama ọkọlọtọ
D) Mepee ma na-akwado ntụaka akụkọ ọ bụla site na ederede gọọmentị ugbu a nke ọkọlọtọ na ịnweta nkwenye n'aka onye tozuru etozu ✔

Nkọwa: Ọ bụ ezie na ụdị asụsụ maara aha ọkọlọtọ ahụ nke ọma, ọ nwere ike ime ka nọmba isiokwu na ederede pụta ìhè. Ekwesịrị imeghe ma gosipụta nrụtụ aka nke ihe ọ bụla site na ederede gọọmentị ugbu a nke ọkọlọtọ yana nkwekọ ikpeazụ ga-enwerịrị onye tozuru etozu (CP/QP).

13. Kedu ihe nlele kachasị dị egwu tupu ị na-agba ọsọ edemede nyocha Python nke AI dere?

A) Ịgụ koodu ahụ na nyochaa otu / kọlụm dakọtara, nwalee na obere data ama ama na ịlele plausibility nke nsonaazụ ✔
B) Na-agba ọsọ koodu ozugbo na data niile na-agụghị ya
C) Naanị ịhụ na ọ dịghị mmejọ na ịnakwere nsonaazụ
D) Ịtụkwasị obi na eserese nke mmepụta ka ọ dị mma.

Nkọwa: Koodu AI nwere ike ịgwakọta nkeji, were aha kọlụm ezighi ezi, ma ọ bụ dobe ahịrị n'obere. Ọ dị mkpa ịgụ koodu ahụ, nyochaa ụda olu na kọlụm dakọtara, jiri ntakịrị data amaara nwalee, wee lelee ma nsonaazụ ya bụ injinia nwere ezi uche.

14. Kedu àgwà kacha mma n'ihe gbasara nzuzo mgbe ị na-enye data Ngwuputa na ngwa AI nke dabeere na ígwé ojii?

A) Mepee data raw niile dị ka ọ dị
B) Mechie ọnọdụ ya na nchekwa nchekwa / nhazi / mmepụta data ma jiri ụlọ ọrụ na-akwado iwu ✔
C) Na-eche na inye ezigbo nhazi dị mkpa maka ịdị mma nsonaazụ
D) Ileghara iwu nzuzo anya ma ọlị

Nkọwa: Ọnụọgụ nchekwa, ikike/nhazi ozi na data mmepụta dị mkpa n'ihe gbasara nzuzo azụmaahịa na iwu. Ọ dị mkpa ịmegharị ihe gbara ya gburugburu, kpochapụ ezigbo nhazi na aha, họrọ ngwa ọrụ ụlọ ọrụ / nzuzo wee soro usoro iwu ụlọ ọrụ.