ಸಂಖ್ಯಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರ, ಪೈಥಾನ್ ಮತ್ತು ಕೋಡ್ ಜನರೇಷನ್

ಲಾಭಗಳು:

• ಸಾಂಕೇತಿಕ ಮತ್ತು ಸಂಖ್ಯಾತ್ಮಕ ಕಲನಶಾಸ್ತ್ರದ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪ್ರತಿ ಸಮಸ್ಯೆಗೆ ಸರಿಯಾದ ಸಾಧನವನ್ನು (SymPy ಅಥವಾ NumPy/SciPy) ಆಯ್ಕೆಮಾಡಿ
• ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಸಂಖ್ಯಾತ್ಮಕ ಕೋಡ್ ಅನ್ನು ಓದುವ ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ, ಅದನ್ನು ನೀವೇ ಚಲಾಯಿಸಿ ಮತ್ತು ತಿಳಿದಿರುವ ಇನ್ಪುಟ್ನೊಂದಿಗೆ ಸಾಮಾನ್ಯ ಜ್ಞಾನ ಪರೀಕ್ಷೆಯನ್ನು ನಡೆಸುವ ಮೂಲಕ ಅದನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ.
• ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ಸಂಖ್ಯೆಯ ನಿಖರತೆಯ ಮಿತಿಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ, ನಿಖರವಾದ ಸಮಾನತೆಯ ಬದಲಿಗೆ ಸಹಿಷ್ಣುತೆಯನ್ನು ಬಳಸಿ ಮತ್ತು ಸಂಖ್ಯಾತ್ಮಕ ವಿಧಾನಗಳ ಮೇಲೆ ಆರಂಭಿಕ ಊಹೆಯ ಪರಿಣಾಮವನ್ನು ನಿರ್ವಹಿಸಿ.

ಸಾಂಕೇತಿಕ ಕಲನಶಾಸ್ತ್ರವು ಸಮಗ್ರ ಅಥವಾ ಸಮೀಕರಣದ ನಿಖರವಾದ ಸೂತ್ರವನ್ನು ನೀಡುತ್ತದೆ; ಆದರೆ ಗಣಿತದಲ್ಲಿ ಹೆಚ್ಚಿನ ಪ್ರಾಯೋಗಿಕ ಸಮಸ್ಯೆಗಳನ್ನು ಮುಚ್ಚಿದ ಸೂತ್ರದಿಂದ ಪರಿಹರಿಸಲಾಗುವುದಿಲ್ಲ. ಇಲ್ಲಿ ಸಂಖ್ಯಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರವು ಕಾರ್ಯರೂಪಕ್ಕೆ ಬರುತ್ತದೆ: ನಿಖರವಾದ ಸೂತ್ರಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಅಪೇಕ್ಷಿತ ನಿಖರತೆಯೊಂದಿಗೆ ಅಂದಾಜು ಸಂಖ್ಯಾತ್ಮಕ ಫಲಿತಾಂಶವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. 0.001 ನಿಖರತೆಗೆ ಅವಿಭಾಜ್ಯ ಮೌಲ್ಯವನ್ನು ಕಂಡುಹಿಡಿಯುವುದು, ದಶಮಾಂಶ ಅಂದಾಜುಗೆ ಸಮೀಕರಣದ ಮೂಲವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು, ಡೇಟಾ ಸೆಟ್‌ನಿಂದ ಅಂಕಿಅಂಶಗಳನ್ನು ಹೊರತೆಗೆಯುವುದು - ಇವೆಲ್ಲವೂ ಸಂಖ್ಯಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರಗಳು. ಪೈಥಾನ್‌ನಲ್ಲಿ, NumPy (ಸಂಖ್ಯೆಯ ಅರೇಗಳು ಮತ್ತು ಗಣಿತ) ಮತ್ತು SciPy (ವೈಜ್ಞಾನಿಕ ಕಂಪ್ಯೂಟಿಂಗ್) ಲೈಬ್ರರಿಗಳು ಇದರ ಸಾಧನಗಳಾಗಿವೆ. ಈ ಘಟಕದಲ್ಲಿ, ನೀವು ಸಂಖ್ಯಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರಕ್ಕಾಗಿ ಪೈಥಾನ್ ಕೋಡ್ ಅನ್ನು ರಚಿಸುವ ಸಹಾಯಕರಾಗಿ AI ಅನ್ನು ಬಳಸಲು ಕಲಿಯುವಿರಿ ಮತ್ತು ಕೋಡ್‌ನ ಸರಿಯಾದತೆಯನ್ನು ಪರಿಶೀಲಿಸಿ.

ನಿರ್ಣಾಯಕ ವ್ಯಾಖ್ಯಾನ: ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ಸಂಖ್ಯೆಯು ಕಂಪ್ಯೂಟರ್ ದಶಮಾಂಶ ಸಂಖ್ಯೆಗಳನ್ನು ಸೀಮಿತ ನಿಖರತೆಯೊಂದಿಗೆ ಸಂಗ್ರಹಿಸುವ ಒಂದು ಸ್ವರೂಪವಾಗಿದೆ. ಅದಕ್ಕಾಗಿಯೇ ಕಂಪ್ಯೂಟರ್ ಅಂಕಗಣಿತದಲ್ಲಿ, 0.1 + 0.2 ನಿಖರವಾಗಿ 0.3 ಅಲ್ಲ, 0.30000000000000004 ಆಗಿರಬಹುದು. ಇದು ತಪ್ಪಲ್ಲ, ಇದು ಸಂಖ್ಯಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರದ ಸ್ವರೂಪವಾಗಿದೆ - ಆದರೆ ನೀವು ಅದರ ಬಗ್ಗೆ ತಿಳಿದಿಲ್ಲದಿದ್ದರೆ ಅದು ತಪ್ಪಾದ ಫಲಿತಾಂಶಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ. ಸಂಖ್ಯಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರದಲ್ಲಿ, ಒಬ್ಬರು "ನಿಖರವಾದ ಸಮಾನತೆ" ಗಿಂತ "ಸಾಕಷ್ಟು ಹತ್ತಿರ" ಕೆಲಸ ಮಾಡುತ್ತಾರೆ.

ಸಾಂಕೇತಿಕ ಅಥವಾ ಸಂಖ್ಯಾತ್ಮಕ? ಸರಿಯಾದ ಸಾಧನವನ್ನು ಆರಿಸುವುದು

ಸ್ಥಿತಿ

ಸಾಂಕೇತಿಕ (SymPy)

ಸಂಖ್ಯಾಶಾಸ್ತ್ರ (NumPy/SciPy)

ಮುಚ್ಚಿದ ಸೂತ್ರವಿದೆ

ಆದ್ಯತೆ

ಅಗತ್ಯವಿಲ್ಲ

ಯಾವುದೇ ಸೂತ್ರವಿಲ್ಲ/ತುಂಬಾ ಸಂಕೀರ್ಣವಾಗಿದೆ

ಪರಿಹರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ

ಆದ್ಯತೆ

ಸಂಪೂರ್ಣ ನಿಖರತೆ ಅಗತ್ಯವಿದೆ

ಹೌದು

ಅಂದಾಜು

ದೊಡ್ಡ ಡೇಟಾ / ಬಹು-ಸಂಸ್ಕರಣೆ

ನಿಧಾನ

ಅತ್ಯಂತ ವೇಗವಾಗಿ

ದಶಮಾಂಶದೊಂದಿಗೆ ಫಲಿತಾಂಶವು ಸಾಕಾಗುತ್ತದೆ

-

ಸೂಕ್ತ

ಒಬ್ಬ ಉತ್ತಮ ವೈದ್ಯರು ಎರಡನ್ನೂ ಬಳಸುತ್ತಾರೆ: ಸಾಧ್ಯವಾದರೆ ಸಾಂಕೇತಿಕವಾಗಿ ಪರಿಹರಿಸಿ, ಇಲ್ಲದಿದ್ದರೆ ಸಂಖ್ಯಾತ್ಮಕವಾಗಿ ಹೋಗಿ ಮತ್ತು ಸಾಧ್ಯವಾದಾಗಲೆಲ್ಲಾ ಒಂದನ್ನು ಪರೀಕ್ಷಿಸಿ.

ಹಂತ ಹಂತವಾಗಿ: AI ನೊಂದಿಗೆ ಸುರಕ್ಷಿತ ಸಂಖ್ಯಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರ

1. ಸಮಸ್ಯೆ ಮತ್ತು ಸೂಕ್ಷ್ಮತೆಯನ್ನು ಗುರುತಿಸಿ. "ಎಷ್ಟು ದಶಮಾಂಶ ಸ್ಥಾನಗಳು?" ಮತ್ತು "ಯಾವ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ?" ನಿಮ್ಮ ಪ್ರಶ್ನೆಗಳನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ.

2. AI ಗೆ ಕೋಡ್ ಬರೆಯಿರಿ, ಔಟ್‌ಪುಟ್ ಅಲ್ಲ. ಘಟಕ 4 ರಿಂದ ನೆನಪಿಡಿ: AI ಮುನ್ಸೂಚನೆ ಕೋಡ್ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮಾಡಬೇಡಿ. ನೀವು ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡಿ.

3. ಕೋಡ್ ಅನ್ನು ಓದಿ ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ. ರಚಿಸಿದ ಕೋಡ್ ಲೈನ್ ಅನ್ನು ಸಾಲಿನ ಮೂಲಕ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ. ಸರಿಯಾದ ಲೈಬ್ರರಿ, ಸರಿಯಾದ ಕಾರ್ಯ, ಸರಿಯಾದ ನಿಯತಾಂಕಗಳು? ನಿಮಗೆ ಅರ್ಥವಾಗದ ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡಬೇಡಿ.

4. ತಿಳಿದಿರುವ ಪರಿಸ್ಥಿತಿಯೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿ. ನೀವು ಈಗಾಗಲೇ ಉತ್ತರವನ್ನು ತಿಳಿದಿರುವ ಸರಳ ಇನ್‌ಪುಟ್‌ನೊಂದಿಗೆ ಕೋಡ್ ಅನ್ನು ಪ್ರಯತ್ನಿಸಿ. ಉದಾಹರಣೆಗೆ, ತಿಳಿದಿರುವ ಅವಿಭಾಜ್ಯ ಮೌಲ್ಯದಂತೆ sin(0)=0. ಕೋಡ್ ಅದನ್ನು ಸರಿಯಾಗಿ ನೀಡಿದರೆ, ನೀವು ಅದನ್ನು ಹೆಚ್ಚು ನಂಬುತ್ತೀರಿ.

5. ಸಾಂಕೇತಿಕವಾಗಿ ಅಥವಾ ಹಸ್ತಚಾಲಿತವಾಗಿ ಕ್ರಾಸ್ ಚೆಕ್. ಸಾಧ್ಯವಾದರೆ, ಅದೇ ಫಲಿತಾಂಶವನ್ನು SymPy ಅಥವಾ ಹಸ್ತಚಾಲಿತ ವಿಧಾನದೊಂದಿಗೆ ದೃಢೀಕರಿಸಿ.

6. ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ಬಲೆಗಳ ಬಗ್ಗೆ ಎಚ್ಚರದಿಂದಿರಿ. == ಜೊತೆಗೆ ಕಟ್ಟುನಿಟ್ಟಾದ ಸಮಾನತೆಯ ಬದಲಿಗೆ, abs(a - b) < 1e-9 ನಂತಹ ಸಹಿಷ್ಣುತೆಗಳನ್ನು ಬಳಸಿ.

ಸಲಹೆ: ಯಾವಾಗಲೂ "ನಿಮಗೆ ತಿಳಿದಿರುವ ಉತ್ತರದೊಂದಿಗೆ" ಸಂಖ್ಯಾ ಕೋಡ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಿ. ನೀವು ರೂಟ್ ಫೈಂಡರ್ ಅನ್ನು ಬರೆದಿದ್ದರೆ, ಅದನ್ನು ಮೊದಲು x²−4=0 ನಂತಹ ತಿಳಿದಿರುವ ಮೂಲದೊಂದಿಗೆ (x=±2) ಸಮೀಕರಣಕ್ಕೆ ಅನ್ವಯಿಸಿ. ಕೋಡ್ ಇದನ್ನು ಸರಿಯಾಗಿ ಕಂಡುಕೊಂಡರೆ, ನಿಮಗೆ ತಿಳಿದಿಲ್ಲದ ಸಮೀಕರಣಗಳ ಮೇಲೆ ಅದು ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿರುತ್ತದೆ. ಈ "ಸ್ಯಾನಿಟಿ ಚೆಕ್" ಅಗ್ಗದ ಪರಿಶೀಲನೆಯಾಗಿದೆ.

ಸಂಖ್ಯಾತ್ಮಕ ಕಲನಶಾಸ್ತ್ರದ ಅಪಾಯ: ಒಮ್ಮುಖ ಮತ್ತು ದೋಷ ಸಂಗ್ರಹಣೆ.

ಹೆಚ್ಚಿನ ಸಂಖ್ಯಾತ್ಮಕ ವಿಧಾನಗಳು ಪುನರಾವರ್ತಿತವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ: ಆರಂಭಿಕ ಊಹೆಯಿಂದ ಪ್ರಾರಂಭಿಸಿ ಮತ್ತು ಕ್ರಮೇಣ ನಿಜವಾದ ಉತ್ತರವನ್ನು ಸಮೀಪಿಸುತ್ತವೆ. ಹತ್ತಿರವಾಗುವ ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಒಮ್ಮುಖ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಆದರೆ ಪ್ರತಿ ಪುನರಾವರ್ತನೆಯ ವಿಧಾನವು ಯಾವಾಗಲೂ ಒಮ್ಮುಖವಾಗುವುದಿಲ್ಲ; ಕೆಲವು ಭಿನ್ನವಾಗಿರುತ್ತವೆ (ಫಲಿತಾಂಶದಿಂದ ದೂರ ಸರಿಯುತ್ತವೆ) ಅಥವಾ ತಪ್ಪಾದ ಮೌಲ್ಯಕ್ಕೆ ಒಮ್ಮುಖವಾಗುತ್ತವೆ. AI-ರಚಿಸಿದ ಕೋಡ್ ವಿಧಾನವು ಒಮ್ಮುಖವಾಗಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸದಿದ್ದರೆ, ಅದು ನಿಮಗೆ ಮೌನವಾಗಿ ತಪ್ಪು ಸಂಖ್ಯೆಯನ್ನು ನೀಡಬಹುದು. ಆದ್ದರಿಂದ ಸಂಖ್ಯಾತ್ಮಕ ಫಲಿತಾಂಶವು "ಸಂಖ್ಯೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ" ಎಂಬ ಕಾರಣದಿಂದ ಅದು ನಿಜವಾಗುವುದಿಲ್ಲ; ಆ ಸಂಖ್ಯೆಯು ವಾಸ್ತವವಾಗಿ ಬಯಸಿದ ಪರಿಹಾರಕ್ಕೆ ಒಮ್ಮುಖವಾಗುತ್ತದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು ಸಹ ಅಗತ್ಯವಾಗಿದೆ.

ಎರಡನೆಯ ಸೂಕ್ಷ್ಮತೆಯು ದೋಷ ಸಂಗ್ರಹವಾಗಿದೆ. ಲೆಕ್ಕಾಚಾರಗಳ ದೀರ್ಘ ಸರಪಳಿಯಲ್ಲಿ, ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಸಣ್ಣ ಫ್ಲೋಟಿಂಗ್-ಪಾಯಿಂಟ್ ಪೂರ್ಣಾಂಕದ ದೋಷಗಳು ಸಂಗ್ರಹಗೊಳ್ಳಬಹುದು ಮತ್ತು ದೊಡ್ಡದಾಗಬಹುದು; ವಿಶೇಷವಾಗಿ ನೀವು ಎರಡು ಅತಿ ಹತ್ತಿರದ ದೊಡ್ಡ ಸಂಖ್ಯೆಗಳ ವ್ಯತ್ಯಾಸವನ್ನು ತೆಗೆದುಕೊಂಡಾಗ (ಇದನ್ನು ದುರಂತ ರದ್ದತಿ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ), ಫಲಿತಾಂಶದ ಗಮನಾರ್ಹ ಅಂಕೆಗಳನ್ನು ಕಳೆದುಕೊಳ್ಳಬಹುದು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಯಾವಾಗಲೂ ಅಂತಹ ಸಂಖ್ಯಾತ್ಮಕ ಸ್ಥಿರತೆಯ ಸಮಸ್ಯೆಗಳನ್ನು ಊಹಿಸುವುದಿಲ್ಲ. ನಿರ್ಣಾಯಕ ಲೆಕ್ಕಾಚಾರಗಳಲ್ಲಿ, ಫಲಿತಾಂಶವನ್ನು ಬೇರೆ ವಿಧಾನದೊಂದಿಗೆ ಅಥವಾ ಹೆಚ್ಚಿನ ನಿಖರತೆಯೊಂದಿಗೆ ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು ಮತ್ತು ಹೋಲಿಸುವುದು ಗುಪ್ತ ದೋಷ ಸಂಗ್ರಹವನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ.

ಗಮನ: ಸಂಖ್ಯಾತ್ಮಕ ವಿಧಾನದ "ಫಲಿತಾಂಶವನ್ನು ನೀಡುವುದು" ಮತ್ತು "ಸರಿಯಾದ ಫಲಿತಾಂಶಕ್ಕೆ ಒಮ್ಮುಖವಾಗುವುದು" ಎರಡು ವಿಭಿನ್ನ ವಿಷಯಗಳಾಗಿವೆ. ಕೋಡ್ ಒಮ್ಮುಖ ಪರಿಶೀಲನೆಯನ್ನು ಒಳಗೊಂಡಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ (ಉದಾಹರಣೆಗೆ, ಎರಡು ಸತತ ಹಂತಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವು ಸಾಕಷ್ಟು ಚಿಕ್ಕದಾಗಿದೆ); ಅದು ಹೊಂದಿಲ್ಲದಿದ್ದರೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಈ ನಿಯಂತ್ರಣವನ್ನು ಸೇರಿಸಿ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ತಪ್ಪಾದ ಕಾರ್ಯ ಆಯ್ಕೆ. ಫಂಕ್ಷನ್‌ನ ಮೂಲವನ್ನು ಕಂಡುಹಿಡಿಯಲು ವಿದ್ಯಾರ್ಥಿಯೊಬ್ಬ AI ಅನ್ನು ಕೋಡ್‌ಗಾಗಿ ಕೇಳಿದನು. AI scipy.optimize.fsolve ಅನ್ನು ಬಳಸಿದೆ, ಆದರೆ ಒಂದು ಕೆಟ್ಟ ಆರಂಭಿಕ ಊಹೆಯನ್ನು ಆಯ್ಕೆ ಮಾಡಿದೆ ಮತ್ತು ತಪ್ಪಾದ ಮೂಲಕ್ಕೆ ಒಮ್ಮುಖವಾಗಿದೆ. ವಿದ್ಯಾರ್ಥಿಯು ಮೊದಲು ಕಾರ್ಯವನ್ನು ಗ್ರಾಫಿಂಗ್ ಮಾಡುವ ಮೂಲಕ ಪರೀಕ್ಷಿಸಿದನು (ದೃಶ್ಯೀಕರಣ ಘಟಕವನ್ನು ನೋಡಿ), ಸರಿಯಾದ ಆರಂಭಿಕ ಊಹೆಯನ್ನು ನೀಡಿದರು ಮತ್ತು ನಿಜವಾದ ಮೂಲವನ್ನು ಕಂಡುಕೊಂಡರು. ಪಾಠ: ಸಂಖ್ಯಾತ್ಮಕ ಮೂಲ ಶೋಧಕಗಳು ಆರಂಭಿಕ ಹಂತಕ್ಕೆ ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತವೆ.

ಪ್ರಕರಣ 2 - ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ಟ್ರ್ಯಾಪ್. ಒಬ್ಬ ಇಂಜಿನಿಯರ್ 0.1 + 0.2 == 0.3 ಎಂದು ಬರೆಯುವ AI ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡಿದರು ಮತ್ತು ಪರಿಸ್ಥಿತಿ ಎಂದಿಗೂ ನಿಜವಲ್ಲ ಎಂದು ಅರಿತುಕೊಂಡರು. AI ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ನಿಖರತೆಯನ್ನು ನಿರ್ಲಕ್ಷಿಸಿದೆ. ಕೋಡ್ ಅನ್ನು abs ((0.1+0.2) - 0.3) < 1e-9 ನೊಂದಿಗೆ ಸರಿಪಡಿಸಲಾಗಿದೆ. 1e-9 ಎಂದರೆ "ಹತ್ತರಿಂದ ಮೈನಸ್ ಒಂಬತ್ತು", ಬಹಳ ಕಡಿಮೆ ಸಹಿಷ್ಣುತೆ.

ಪ್ರಕರಣ 3 - ಸಾಮಾನ್ಯ ಜ್ಞಾನ ಪರೀಕ್ಷೆಯು ದೋಷವನ್ನು ಹಿಡಿದಿದೆ. ಒಬ್ಬ ಶಿಕ್ಷಕನು scipy.integrate.quad ನಿಂದ ಕೋಡ್ ಅನ್ನು ಸ್ವೀಕರಿಸಿದನು ಅದು ಸಂಖ್ಯಾತ್ಮಕವಾಗಿ ಒಂದು ನಿರ್ದಿಷ್ಟ ಅವಿಭಾಜ್ಯವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ. ಅವರು ಇದನ್ನು ಮೊದಲು ∫₀¹ x dx = 0.5 ನಂತಹ ತಿಳಿದಿರುವ ಅವಿಭಾಜ್ಯದೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿದರು; ಕೋಡ್ 0.5 ಅನ್ನು ನೀಡಿದೆ. ನಂತರ ಅವರು ನಿಜವಾದ ಅವಿಭಾಜ್ಯವನ್ನು ಲೆಕ್ಕ ಹಾಕಿದರು ಮತ್ತು ಫಲಿತಾಂಶವನ್ನು SymPy ಯೊಂದಿಗೆ ದೃಢಪಡಿಸಿದರು. ಎರಡು ಸ್ವತಂತ್ರ ವಿಧಾನಗಳು ಒಂದೇ ಫಲಿತಾಂಶವನ್ನು ನೀಡಿದಾಗ ಅವರು ನಂಬಿದ್ದರು. ಒಟ್ಟು ಸಮಯ: 6 ನಿಮಿಷಗಳು.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಸಂಖ್ಯಾ ಖಾತೆ ಕೋಡ್ ಅನ್ನು ವಿನಂತಿಸಲಾಗುತ್ತಿದೆ:

ಈ ಕೆಳಗಿನ ಸಮಸ್ಯೆಯನ್ನು ಸಂಖ್ಯಾತ್ಮಕವಾಗಿ ಪರಿಹರಿಸುವ ಪೈಥಾನ್ ಕೋಡ್ ಬರೆಯಿರಿ: [ಸಮಸ್ಯೆ]. NumPy/SciPy ಬಳಸಿ. ಸೂಕ್ಷ್ಮತೆ: [ಉದಾ. 6 ದಶಮಾಂಶ]. ನಾನು ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡುತ್ತೇನೆ; ಔಟ್ಪುಟ್ ಅನ್ನು ಊಹಿಸುತ್ತದೆ. ನೀವು ಯಾವ ಕಾರ್ಯವನ್ನು ಆರಿಸಿದ್ದೀರಿ ಮತ್ತು ಏಕೆ ಎಂದು ಕಾಮೆಂಟ್ ಸಾಲಿನಲ್ಲಿ ಸಂಕ್ಷಿಪ್ತವಾಗಿ ವಿವರಿಸಿ.

2) ಸಾಮಾನ್ಯ ಜ್ಞಾನ ಪರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸುವುದು:

ಈ ಕೋಡ್ ಅನ್ನು ಚಲಾಯಿಸುವ ಮೊದಲು ಅದರ ನಿಖರತೆಯನ್ನು ಪರೀಕ್ಷಿಸಲು ಸಾಮಾನ್ಯ ಜ್ಞಾನದ ಪರಿಶೀಲನೆಯನ್ನು ಸೇರಿಸಿ: ಉತ್ತರವು ಈಗಾಗಲೇ ತಿಳಿದಿರುವ ಸರಳ ಇನ್‌ಪುಟ್‌ನೊಂದಿಗೆ ಪ್ರಯತ್ನಿಸಿ (ಉದಾ. ರೂಟ್ ±2 x²-4=0) ಮತ್ತು ಇದು ನಿರೀಕ್ಷಿತ ಫಲಿತಾಂಶವನ್ನು ನೀಡುತ್ತದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಿ. ಕೋಡ್: [ಇಲ್ಲಿ]

3) ಸಾಂಕೇತಿಕ-ಸಂಖ್ಯೆಯ ಅಡ್ಡ-ಪರಿಶೀಲನೆ:

ಕೆಳಗಿನ ಅವಿಭಾಜ್ಯ/ಸಮೀಕರಣವನ್ನು SymPy (ಸಾಂಕೇತಿಕ) ಮತ್ತು SciPy (ಸಂಖ್ಯೆಯ) ಜೊತೆಗೆ ಪರಿಹರಿಸುವ ಕೋಡ್ ಅನ್ನು ಬರೆಯಿರಿ: [ಸಮಸ್ಯೆ]. ಎರಡು ಫಲಿತಾಂಶಗಳನ್ನು ಮುದ್ರಿಸಿ ಇದರಿಂದ ನಾನು ಅವುಗಳನ್ನು ಹೋಲಿಸಬಹುದು. abs () ನೊಂದಿಗೆ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಲನ್ನು ಸೇರಿಸಿ.

4) ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ಭದ್ರತೆ:

ಈ ಕೋಡ್‌ನಲ್ಲಿ ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ಸಂಖ್ಯೆಯ ಹೋಲಿಕೆಗಳನ್ನು ಪರಿಶೀಲಿಸಿ. ಕಟ್ಟುನಿಟ್ಟಾದ '==' ಸಮಾನತೆಗಳಿದ್ದರೆ, ಅವುಗಳನ್ನು ಸೂಕ್ತವಾದ ಸಹಿಷ್ಣುತೆ (abs(a-b) < 1e-9) ನೊಂದಿಗೆ ಬದಲಾಯಿಸಿ ಮತ್ತು ಏಕೆ ಎಂದು ವಿವರಿಸಿ. ಕೋಡ್: [ಇಲ್ಲಿ]

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ: "ಈ ಸಮೀಕರಣದ ಮೂಲವನ್ನು ಹುಡುಕಿ: x³ - 2x - 5 = 0. ಉತ್ತರವನ್ನು ಬರೆಯಿರಿ."

ಫಲಿತಾಂಶ: AI ದಶಮಾಂಶ ಸಂಖ್ಯೆಗೆ ಸರಿಹೊಂದುತ್ತದೆ (ಉದಾ. "2.0946..."). ಇದು ನಿಜವಾಗಿರಬಹುದು ಅಥವಾ ಇಲ್ಲದಿರಬಹುದು; ಚಾಲನೆ ಮಾಡದ ಕಾರಣ ಅದನ್ನು ಪರಿಶೀಲಿಸಲಾಗಿಲ್ಲ.

ಶಕ್ತಿಯುತ: "SciPy ನೊಂದಿಗೆ x³ - 2x - 5 = 0 ಸಮೀಕರಣದ ನಿಜವಾದ ಮೂಲವನ್ನು ಕಂಡುಹಿಡಿಯುವ ಕೋಡ್ ಅನ್ನು ಬರೆಯಿರಿ. ಆರಂಭಿಕ ಊಹೆಗಾಗಿ, ಕಾರ್ಯವು ಚಿಹ್ನೆಯನ್ನು ಬದಲಾಯಿಸುವ ಮಧ್ಯಂತರವನ್ನು ಮೊದಲು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ. ರೂಟ್ ಅನ್ನು ಬದಲಿಸುವ ಮತ್ತು ಫಲಿತಾಂಶವು ~0 ಎಂದು ಪರಿಶೀಲಿಸುವ ಸಾಲನ್ನು ಸೇರಿಸಿ. ನಾನು ಔಟ್ಪುಟ್ ಅನ್ನು ನೋಡುತ್ತೇನೆ."

ಫಲಿತಾಂಶ: ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾದ ಕೋಡ್, ನಿಖರವಾದ ಆರಂಭಿಕ ಊಹೆ, ಅಂತರ್ನಿರ್ಮಿತ ಹ್ಯಾಶ್‌ಗಳು. ಮೂಲದ ಸಿಂಧುತ್ವವು ಸಾಬೀತಾಗಿದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಕೋಡ್ ಅನ್ನು ಚಾಲನೆ ಮಾಡದೆಯೇ ಫಲಿತಾಂಶವನ್ನು ನಂಬುವುದು. AI "ಮುನ್ಸೂಚಿಸುವ" ಸಂಖ್ಯಾತ್ಮಕ ಔಟ್‌ಪುಟ್ ಮೌಲ್ಯೀಕರಣವಲ್ಲ.
• `==` ಜೊತೆಗೆ ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ಸಮಾನತೆಯನ್ನು ಪರೀಕ್ಷಿಸಲಾಗುತ್ತಿದೆ. ಇದು ಬಹುತೇಕ ಯಾವಾಗಲೂ ತಪ್ಪು; ಸಹಿಷ್ಣುತೆಯನ್ನು ಬಳಸಿ.
• ಕೆಟ್ಟ ಆರಂಭಿಕ ಮುನ್ಸೂಚನೆ. ಸಂಖ್ಯಾತ್ಮಕ ಮೂಲ/ಆಪ್ಟಿಮೈಸೇಶನ್ ವಿಧಾನಗಳು ಆರಂಭಿಕ ಹಂತಕ್ಕೆ ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತವೆ; ಇದು ತಪ್ಪಾದ ಮೂಲಕ್ಕೆ ಒಮ್ಮುಖವಾಗಬಹುದು.
• ಸೂಕ್ಷ್ಮತೆಯನ್ನು ವ್ಯಕ್ತಪಡಿಸುವುದಿಲ್ಲ. "ಎಷ್ಟು ಹೆಜ್ಜೆಗಳು?" ಕೇಳದಿದ್ದರೆ, ಫಲಿತಾಂಶವು ಅಗತ್ಯಕ್ಕೆ ಸರಿಹೊಂದುವುದಿಲ್ಲ.
• ಸಾಮಾನ್ಯ ಜ್ಞಾನ ಪರೀಕ್ಷೆಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ. ತಿಳಿದಿರುವ ಇನ್‌ಪುಟ್‌ನೊಂದಿಗೆ ಪರೀಕ್ಷಿಸದೆ ನಿಜವಾದ ಸಮಸ್ಯೆಗೆ ಕೋಡ್ ಅನ್ನು ಅನ್ವಯಿಸುವುದು ಅಪಾಯಕಾರಿ.
• ಕೋಡ್ ಅನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳದೆ ರನ್ ಮಾಡುವುದು. ನಿಮಗೆ ಅರ್ಥವಾಗದ ಕೋಡ್ ತಪ್ಪು ಕಾರ್ಯವನ್ನು ಬಳಸುತ್ತಿರಬಹುದು; ಪ್ರತಿ ಸಾಲನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ.

ಎಚ್ಚರಿಕೆ: ಸಂಖ್ಯಾತ್ಮಕ ಫಲಿತಾಂಶಗಳು ಯಾವಾಗಲೂ ಅಂದಾಜು ಆಗಿರುತ್ತವೆ. "ಫಲಿತಾಂಶವು ನಿಖರವಾಗಿ ಇದು" ಎಂದು ಹೇಳುವ ಬದಲು, "ಇದು ನಿಖರವಾಗಿ" ಎಂದು ಹೇಳಿ. ಎಂಜಿನಿಯರಿಂಗ್ ಅಥವಾ ವೈಜ್ಞಾನಿಕ ವರದಿಯಲ್ಲಿ, ಬಳಸಿದ ವಿಧಾನ ಮತ್ತು ನಿಖರತೆಯನ್ನು ಹೇಳುವುದು ನಿಖರತೆಯ ಭಾಗವಾಗಿದೆ. ಅಂದಾಜು ಫಲಿತಾಂಶವನ್ನು ನಿರ್ಣಾಯಕವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸುವುದು ತಪ್ಪುದಾರಿಗೆಳೆಯುವಂತಿದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಸಂಖ್ಯಾತ್ಮಕ ಕಲನಶಾಸ್ತ್ರವು ಮುಚ್ಚಿದ ಸೂತ್ರದಿಂದ ಪರಿಹರಿಸಲಾಗದ ಸಮಸ್ಯೆಗಳಿಗೆ ಅಂದಾಜು ಆದರೆ ಪ್ರಾಯೋಗಿಕ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ; ಪೈಥಾನ್‌ನಲ್ಲಿ, ಅದರ ಉಪಕರಣಗಳು NumPy ಮತ್ತು SciPy. ಈ ಲೈಬ್ರರಿಗಳಿಗೆ AI ತ್ವರಿತವಾಗಿ ಕೋಡ್ ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಆದರೆ ನೀವು ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡಬೇಕು, ಅದನ್ನು ಓದಬೇಕು ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬೇಕು ಮತ್ತು ತಿಳಿದಿರುವ ಇನ್‌ಪುಟ್‌ನೊಂದಿಗೆ ಅದನ್ನು ಪರೀಕ್ಷಿಸಬೇಕು. ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ನಿಖರತೆಯೊಂದಿಗೆ ಜಾಗರೂಕರಾಗಿರಿ: ನಿಖರವಾದ ಸಮಾನತೆಯ ಬದಲಿಗೆ ಸಹಿಷ್ಣುತೆಯನ್ನು ಬಳಸಿ. ಸಾಧ್ಯವಾದರೆ ಸಾಂಕೇತಿಕ ಮತ್ತು ಸಂಖ್ಯಾತ್ಮಕ ವಿಧಾನಗಳನ್ನು ಕ್ರಾಸ್-ಚೆಕ್ ಮಾಡಿ. ಸಾಮಾನ್ಯ ಜ್ಞಾನ ಪರೀಕ್ಷೆ ಮತ್ತು ಪರ್ಯಾಯವು ಅಗ್ಗದ ಮತ್ತು ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಪರಿಶೀಲನೆಗಳಾಗಿವೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಮುಚ್ಚಿದ ಸೂತ್ರದೊಂದಿಗೆ ಪರಿಹರಿಸಲು ಕಷ್ಟಕರವಾದ ಸಮಸ್ಯೆಯನ್ನು ಆರಿಸಿ (ಉದಾಹರಣೆಗೆ, ರೂಟ್ x³ - 2x - 5 = 0, ಅಥವಾ ಮೂಲವಲ್ಲದ ಅವಿಭಾಜ್ಯತೆಯ ನಿರ್ದಿಷ್ಟ ಮೌಲ್ಯ). AI ಸಂಖ್ಯಾ ಕೋಡ್ ಎರಡನ್ನೂ ಮುದ್ರಿಸಿ ಮತ್ತು ಸಾಧ್ಯವಾದರೆ, 1 ಮತ್ತು 3 ಟೆಂಪ್ಲೇಟ್‌ಗಳೊಂದಿಗೆ ಸಾಂಕೇತಿಕ-ಸಂಖ್ಯೆಯ ಕ್ರಾಸ್-ಚೆಕ್ ಕೋಡ್ ಅನ್ನು ಹೊಂದಿರಿ. ಕೋಡ್ ಅನ್ನು ನಿಜವಾದ ಪೈಥಾನ್ ಪರಿಸರದಲ್ಲಿ ರನ್ ಮಾಡಿ. ಮೊದಲು ತಿಳಿದಿರುವ ಇನ್‌ಪುಟ್‌ನೊಂದಿಗೆ ಸಾಮಾನ್ಯ ಜ್ಞಾನದ ಪರೀಕ್ಷೆಯನ್ನು ಮಾಡಿ, ನಂತರ ನಿಜವಾದ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಿ. ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ಹೋಲಿಕೆ ಇದ್ದರೆ ಸಹಿಷ್ಣುತೆಗಳನ್ನು ಬಳಸಲು ಮರೆಯದಿರಿ. ಅದರ ಸೂಕ್ಷ್ಮತೆಯ ಜೊತೆಗೆ ಫಲಿತಾಂಶವನ್ನು ಗಮನಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಸಮಸ್ಯೆ ಮತ್ತು ಅಗತ್ಯವಿರುವ ಸೂಕ್ಷ್ಮತೆಯನ್ನು ಗುರುತಿಸಿದೆ.
• [ ] ನಾನು AI ಲೈನ್ ಮೂಲಕ ಲೈನ್ ಮೂಲಕ ಉತ್ಪಾದಿಸಿದ ಕೋಡ್ ಅನ್ನು ಓದಿದ್ದೇನೆ ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಂಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಕೋಡ್ ಅನ್ನು ನಿಜವಾದ ಪೈಥಾನ್ ಪರಿಸರದಲ್ಲಿ ರನ್ ಮಾಡಿದ್ದೇನೆ.
• [ ] ನಾನು ತಿಳಿದಿರುವ ಇನ್‌ಪುಟ್‌ನೊಂದಿಗೆ ಸಾಮಾನ್ಯ ಜ್ಞಾನ ಪರೀಕ್ಷೆಯನ್ನು ಮಾಡಿದ್ದೇನೆ.
• [ ] ಸಾಧ್ಯವಾದರೆ ನಾನು ಸಾಂಕೇತಿಕ/ಹಸ್ತಚಾಲಿತ ಕ್ರಾಸ್-ಚೆಕ್ ಅನ್ನು ಸೇರಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ಹೋಲಿಕೆಗಳಲ್ಲಿ ಸಹಿಷ್ಣುತೆಯನ್ನು ಬಳಸಿದ್ದೇನೆ.