C· Byggareprogrammering· ca 45 min· grundläggande — ändras sällan· verifierad 2026-09-20
Python — listor, loopar och dictionaries
Kunna lagra många värden i listor och dictionaries, gå igenom dem med for-loopar, och bygga nya listor ur gamla — grunden för all datahantering i Python.
Förkunskaper
- CPython — grundernakrävs
Kod
temperaturer = [12.5, 15.0, 9.8, 17.2]
summa = 0
for t in temperaturer:
summa += t
print(summa / len(temperaturer)) # medelvärde
varma = [t for t in temperaturer if t > 12] # list comprehension
len() ger antalet, temperaturer[0] det första, temperaturer[-1] det sista.
Intuition
En dictionary kopplar nyckel → värde. Perfekt för att räkna:
ord = ["katt", "hund", "katt", "häst", "katt"]
antal = {}
for o in ord:
antal[o] = antal.get(o, 0) + 1
# {'katt': 3, 'hund': 1, 'häst': 1}
Nästan all data du möter i AI är listor av tal (vektorer), listor av listor (matriser) eller dictionaries (poster med namngivna fält). Blir du bekväm här går resten mycket lättare.
Behärskning innebär
- Skriver en for-loop som filtrerar och summerar
- Använder en dictionary för att räkna förekomster
Logga in för att göra övningarna och bygga upp din behärskning.
Källor
Leder till
- CPython — filer, CSV och JSON
- CSlump och spel i Python
- DGradient descent
- DJupyter och notebooks
- DNumPy — arrayer och vektorisering
- DPyTorch — tensorer och autograd
- DPython — funktioner, scope och undantag
- DRutnätsvärlden: din första RL-agent
- DTidskomplexitet och ordo-notation
- DTokenisering
- Dn-gram-språkmodeller
- EMonte Carlo-metoder
Del av målen (37)
- Utvecklarens verktygslåda
- Träna en agent med belöning
- Språkmodeller i praktiken
- Statistik för experiment
- Från block till Python
- Träna neuronnät på riktigt
- Träna ditt första neuronnät
- Bygg en transformer från grunden
- Bygg ett minnessystem för en agent
- Systemkunskap för AI-ingenjörer
- Kör modeller billigare: kvantisering
- Bildklassificering med faltningsnät
- Matematiken bakom modellerna
- Bygg en agent som går att lita på
- Frontier Lab — självständigt forskningsprojekt
- Finjustera och driva egna modeller
- Finjustera en modell med LoRA
- AI-säkerhet i praktiken
- Djup reinforcement learning
- Förstå hur generativ AI fungerar
- Multimodala system
- Bygg ett RAG-system som går att lita på
- Klassisk ML på riktigt
- Klassisk maskininlärning i praktiken
- Data: samla, städa, dokumentera
- Datavetenskapens grunder
- AI i produktion
- Evals i praktiken
- Bygg ett NLP-system end-to-end
- Bygg en AI-tjänst som håller i drift
- AI-tjänst i drift
- Ansvarsfull AI i praktiken
- Reproducera ett paper
- Bygg ett röstgränssnitt
- Generativa modeller i djupet
- Tolka en språkmodell
- AI, etik och samhälle