Behold spørsmålet.
Ta vare på dokumentasjonen etterpå.

Gjør hvert eksperiment enklere å gjenskape: skriv ned spørsmålet, dataene, metoden, det observerte resultatet og begrensningene.

Bruk denne metoden til å organisere reell øving, ikke til å samle alle referanser om datavitenskap. De lenkede malene fra Saif Saber Studio er lærematerialer: de kjører ikke SQL, er ikke vert for notatbøker med kode og tilbyr ikke en KI-modell. En vanlig Notion-side er nok for å følge med på forsøkene hvis du foretrekker det.

Start med et spørsmål som kan besvares

Velg et lite datasett du har lov til å bruke, eller en oppdiktet tabell. For eksempel: «Hvor mange øvingsoppgaver er fullført i hver kategori?» Definer én rad, hvert felt og hva «fullført» betyr før du skriver spørringer. Ta vare på det opprinnelige spørsmålet selv om resultatet overrasker deg.

1. Lær SQL med en liten, reproduserbar inndata

Det kildeoppførte produktet SQL Language er en referanse, ikke en databaseserver. En øvingsspørring som SELECT category, COUNT(*) FROM tasks WHERE completed = 1 GROUP BY category forutsetter en tabell som heter tasks. Dette er kun et illustrerende eksempel som ikke er kjørt på ekte brukerdata.

  1. Skriv ned eksempelfeltene og antall rader.
  2. Kjør én spørring i en egnet database.
  3. Kontroller resultatet manuelt på noen få rader.
  4. Lagre den faktiske utdataen og uventede tilfeller i notatene dine.
Skjermbilde av SQL Language
SQL Language

2. Velg Python, R eller MATLAB etter oppgaven

Katalogen lister Python Language, R Language og MATLAB Language som separate referanser. Du trenger ikke alle tre. Velg et miljø du kan kjøre, valider inndata, gjør en liten omforming og lagre koden og resultatet.

Dokumenter enheter, manglende data, programvareversjoner når det er viktig, og antakelsene bak hvert diagram. En pen figur beviser ikke alene at analysen er riktig.

3. Legg til KI-evaluering bare når den hjelper deg å besvare et spørsmål

AI & LLM Engineering er et kildeoppført referanseprodukt som for tiden er kategorisert som betalt. Det er ikke en aktiv modelltjeneste. For et promptforsøk noterer du oppgaven, eksempelinndata, evalueringskriteriene, utdata og ett tilfelle der det feiler.

Kontroller faktasvar og tall uavhengig. Ikke del private datasett eller tjenestelegitimasjon i delte notater, eksempler eller offentlige lenker.

Skjermbilde av AI & LLM Engineering
AI & LLM Engineering

4. Før en eksperimentlogg i Notion

FeltHva som skal registreres
SpørsmålEn konkret påstand å undersøke
InndataGodkjent kilde, utvalgsstørrelse og enheter
MetodeSpørring, kode eller prompt og relevant versjon
Observert resultatFaktisk utdata i stedet for ønsket svar
BegrensningManglende data, usikkerhet og neste kontroll

Legg til en lenke til det eksterne kjøremiljøet. Notion organiserer dokumentasjonen, men erstatter verken databasen, analyseverktøyet eller modellendepunktet.

En liten oppdiktet læringsøvelse

  1. Finn på ti rader med øvingsoppgaver med en kategori og et fullføringsflagg.
  2. Grupper de fullførte radene etter kategori i et ekte lokalt SQL-miljø.
  3. Sammenlign resultatet med en manuell opptelling.
  4. Noter hva som skjer dersom en kategori mangler eller en rad finnes to ganger.

Ikke finn på resultatet av spørringen før du har kjørt den. Eksempeloppgavene sier ingenting om ekte kundeaktivitet eller kvaliteten på et kurs.

Kontroller dokumentasjon og tillatelser før du deler

De nåværende kanoniske produktsidene bekrefter bare at referansene er oppført, ikke en uavhengig kontroll av leksjonenes riktighet, priser, språk eller kjørbarhet. Ingen kjøp, kodekjøring, datasettvurdering eller nettlesertesting ble utført for denne artikkelen.

Bruk data med riktige lisenser og eksempler uten sensitive opplysninger. For å planlegge grunnleggende programmering, se veikartet for å begynne med programmering; for å øve på HTML, CSS og React, se læringsløpet for frontendutvikling.

Vanlige spørsmål

Trenger jeg alle språkene som er nevnt?

Nei. Start med én oppgave og et egnet verktøy. Utvid bare når arbeidet krever det.

Kan Notion kjøre denne analysen for meg?

Dette er referansemaler. Kjør SQL, kode og KI-forespørsler i passende eksterne miljøer, og lenk deretter til resultatene.