ابزارهای مولد متن و مهندسی پرامپت
| مدرس: دکتر محمدحسین رهبان | دوره: هوش مصنوعی |
| زمان ارائه: TBD | گواهینامه: رسمی |
هدف کلی
هدف از این ارائه، آشنایی با مبانی برنامهسازی با کمک هوش مصنوعی است. انتظار میرود فراگیر پس از پایان این دوره بتواند علاوه بر درک تفاوت استفاده از هوش مصنوعی بهعنوان ابزار گفتگو و بهعنوان دستیار برنامهنویسی و آشنایی با مفاهیم برنامه، الگوریتم و تفکر الگوریتمی، بتواند برنامههای سادهی پایتون را در محیط محلی یا آنلاین اجرا کند، ساختار اصلی برنامهها (ورودی، پردازش و خروجی) را تشخیص دهد، مسئله را به اجزای کوچکتر تقسیم کرده و برای هر جزء راهحل طراحی کند، و از ابزارهای هوش مصنوعی برای تولید کد، توضیح برنامه و رفع خطا استفاده کند.
سرفصلها
- برنامهسازی در عصر هوش مصنوعی
- کاربردهای هوش مصنوعی در برنامهسازی
- تفاوت استفاده ابزاری و توسعهی برنامه با هوش مصنوعی
- معماری کلی تولید کد با هوش مصنوعی
- برنامه و الگوریتم
- تعریف برنامه
- تعریف الگوریتم
- مثالهایی از الگوریتم
- نحوهی اجرای برنامهها در پایتون
- اجرای برنامه بهصورت محلی
- اجرای برنامه در محیطهای آنلاین
- محاسبات ریاضی در پایتون
- پایتون بهعنوان یک ماشینحساب ساده
- آشنایی با دستورات و عملگرهای پایه
- متغیر و انتساب
- ساختار کلی برنامهها
- دریافت ورودی
- پردازش
- نمایش خروجی
- طراحی نخستین برنامه
- محاسبه شاخص توده بدنی
- ساختار توالی
- ترتیب اجرای دستورات
- تفسیر نتایج
- ساختار انتخاب
- دستورات if و else
- انتخاب چندگانه با elif
- ساختار تکرار
- مفهوم تکرار
- حلقه for
- پردازش اطلاعات چند کاربر
- تفکر الگوریتمی
- تجزیه مسئله به زیرمسئلهها
- طراحی راهحل پیش از کدنویسی
- استفاده از هوش مصنوعی برای حل زیرمسئلهها
- طراحی توابع
- تحوهی تعریف تابع
- پارامترهای ورودی
- خروجی تابع
- تقسیم برنامه به اجزای مستقل
- استفاده از هوش مصنوعی
- تولید کد
- توضیح کد
- خطایابی
- بازنویسی و بهبود برنامه
ارزیابی
- آزمونهای چندگزینهای پایان هر بخش
- تمرینهای برنامهسازی
منابع
- P. Wentworth, J. Elkner, A. B. Downey, C. Meyers. How to Think Like a Computer Scientist: Learning with Python. 3rd Edition, Open Book Project, 2011.
- C. R. Severance. Python for Everybody: Exploring Data in Python 3. CreateSpace Independent Publishing Platform, 2016.