Behold spørgsmålet.
Og gem dokumentationen.
Gør hvert eksperiment lettere at gentage: notér spørgsmålet, dataene, metoden, det observerede resultat og begrænsningerne.
Brug denne metode til at organisere reel øvelse, ikke til at samle alle referencer om datavidenskab. De linkede skabeloner fra Saif Saber Studio er læringsmaterialer: de udfører ikke SQL, er ikke vært for en notebook og stiller ikke en AI-model til rådighed. En almindelig Notion-side er nok som log, hvis du foretrækker det.
Begynd med ét spørgsmål, der kan besvares
Vælg et lille datasæt, som du har ret til at bruge, eller en fiktiv tabel. For eksempel: »Hvor mange øvelsesopgaver er fuldført i hver kategori?« Definér, hvad en række, hvert felt og 'fuldført' betyder, før du skriver forespørgsler. Behold det oprindelige spørgsmål, også når resultatet overrasker dig.
1. Lær SQL med et lille input, der kan genskabes
Den kildeangivne SQL Language er et referenceprodukt, ikke en databaseserver. En øvelsesforespørgsel som SELECT category, COUNT(*) FROM tasks WHERE completed = 1 GROUP BY category forudsætter en tabel med navnet tasks. Den er kun til illustration og blev ikke kørt på rigtige brugerdata.
- Notér eksempelfelterne og antallet af rækker.
- Kør én forespørgsel i en egnet database.
- Kontrollér resultatet manuelt på nogle få rækker.
- Gem det faktiske output og eventuelle uventede tilfælde i dine noter.

2. Vælg Python, R eller MATLAB efter opgaven
Kataloget indeholder Python Language, R Language og MATLAB Language som separate referencer. Du behøver ikke alle tre. Vælg ét miljø, du kan køre i, kontrollere input, udføre en lille transformation og gemme kode og resultater fra.
Hold styr på enheder, manglende data, softwareversioner, når de er relevante, og forudsætningerne bag diagrammer. En flot figur er ikke i sig selv bevis på korrekt analyse.
3. Tilføj kun AI-evaluering, når den hjælper med at besvare et spørgsmål
AI & LLM Engineering er et referenceprodukt fra kildekataloget og er i øjeblikket kategoriseret som betalt. Det er ikke en aktiv modeltjeneste. Ved et prompt-eksperiment skal du notere opgaven, et eksempelinput, vurderingskriterier, output og ét tilfælde, hvor det gik galt.
Kontrollér fakta og tal uafhængigt. Del ikke private datasæt eller tjenestelegitimationsoplysninger i fælles noter, eksempler eller offentlige links.

4. Før en eksperimentlog i Notion
| Felt | Hvad du skal registrere |
|---|---|
| Spørgsmål | En konkret påstand, der skal undersøges |
| Input | Godkendt kilde, stikprøvestørrelse og enheder |
| Metode | Forespørgsel, kode eller prompt samt relevant version |
| Observeret resultat | Faktisk output i stedet for det svar, du håbede på |
| Begrænsning | Manglende data, usikkerhed og næste kontrol |
Link til det eksterne udførelsesmiljø. Notion organiserer dokumentationen, men erstatter ikke den egentlige database, analyseværktøjet eller modellens API-endpoint.
En lille, fiktiv læringsøvelse
- Opfind ti øvelsesrækker med en kategori og en markering af, om opgaven er fuldført.
- Gruppér fuldførte rækker efter kategori i et rigtigt lokalt SQL-miljø.
- Sammenlign resultatet med en manuel optælling.
- Notér, hvad der sker, når en kategori mangler, eller en række er dubleret.
Opfind ikke forespørgslens output, før du har kørt den. Eksempelopgaverne siger intet om reelle kunders aktivitet eller kvaliteten af et kursus.
Gennemgå dokumentation og tilladelser før deling
De nuværende kanoniske produktsider bekræfter, hvilke referencer der er opført i kilderne, men de er ikke en uafhængig validering af lektionernes korrekthed, priser, sprog eller udførelse. Der blev ikke foretaget køb, kodekørsel, datasætevaluering eller browsertest til denne artikel.
Brug data med passende licens og eksempler, hvor følsomme oplysninger er fjernet. For grundlæggende planlægning af kodning, se begynderens kodningsroadmap; til øvelser med HTML/CSS/React, se læringsforløbet til frontend-udvikling.
Ofte stillede spørgsmål
Har jeg brug for alle de nævnte sprog?
Nej. Start med én opgave og ét passende værktøj. Udvid først, når arbejdet kræver det.
Kan Notion køre denne analyse for mig?
Disse er referenceskabeloner. Kør SQL, kode og AI-forespørgsler i egnede eksterne miljøer, og link derefter til resultaterne.


