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.
Kod
faktura_belopp = [1200.5, 1500.0, 980.8, 1720.2]
summa = 0
for belopp in faktura_belopp:
summa += belopp
print(summa / len(faktura_belopp)) # medelvärde
stora = [b for b in faktura_belopp if b > 1200] # list comprehension
len() ger antalet, faktura_belopp[0] det första, faktura_belopp[-1] det sista.
Intuition
En dictionary kopplar nyckel → värde. Perfekt för att räkna:
produkter = ["kaffe", "te", "kaffe", "juice", "kaffe"]
antal = {}
for p in produkter:
antal[p] = antal.get(p, 0) + 1
# {'kaffe': 3, 'te': 1, 'juice': 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
Förkunskaper
- CPython — grundernakrävs
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
- Språkmodeller i praktiken
- Från block till Python
- Träna en agent med belöning
- Statistik för experiment
- Bygg ett minnessystem för en agent
- Bildklassificering med faltningsnät
- Bygg en transformer från grunden
- Kör modeller billigare: kvantisering
- Systemkunskap för AI-ingenjörer
- Träna neuronnät på riktigt
- Träna ditt första neuronnät
- Matematiken bakom modellerna
- Frontier Lab — självständigt forskningsprojekt
- Bygg en agent som går att lita på
- Evals i praktiken
- Klassisk maskininlärning i praktiken
- Klassisk ML på riktigt
- Data: samla, städa, dokumentera
- Datavetenskapens grunder
- Finjustera och driva egna modeller
- Bygg ett RAG-flöde med spårbara källor
- Multimodala system
- AI-säkerhet i praktiken
- Djup reinforcement learning
- Finjustera en modell med LoRA
- Förstå hur generativ AI fungerar
- AI i produktion
- Bygg en AI-tjänst som håller i drift
- AI-tjänst i drift
- Bygg ett NLP-system end-to-end
- Generativa modeller i djupet
- Ansvarsfull AI i praktiken
- Reproducera ett paper
- Bygg ett röstgränssnitt
- Tolka en språkmodell
- AI, etik och samhälle