Workshop و ایستگاه‌ها
TeachFORGE.ai
Workshop / داده
داده ایستگاه
CSV یا JSON وارد کنید، ستونها را نمایه کنید، خط لوله را تبدیل کنید، منحنی برازش دهید و اندازهٔ نمونهٔ نظرسنجی را برنامهریزی کنید — سپس بینش پاکسازیشده را به تخته، به چارتها یا به آمار ببرید.
هوش مصنوعی میتواند پیشنویس بنویسد. شما تصمیم میگیرید کلاس چه ببیند.
داده چیست
داده ایستگاه آوردن جدولهای واقعی به درس است. CSV، TSV یا JSON وارد کنید، ستونها را نمایه کنید، خط لولهٔ تبدیل اجرا کنید، منحنی برازش دهید و اندازهٔ نمونهٔ نظرسنجی را برنامهریزی کنید — سپس نتایج پاکسازیشدهای خروجی بگیرید که با آن تدریس کنید.
این مهم است چون عدد اصیل از برگهٔ ساختگی بهتر است. یادگیرندگان باید پاکسازی، نمایهسازی و برازش را بخشی از داستان ببینند — نه رازی که جای دیگر رخ داده.
چرا معلمان از داده استفاده میکنند
وارد کنید و پاکسازی کنید
مجموعه دادهٔ کلاس را جایگذاری، بارگذاری یا واکشی کنید و نوع و دادهٔ پرت را دیدنی کنید.
برازش منحنی برای آزمایشگاه
برازش خطی، چندجملهای، نمایی، لگاریتمی و توانی با ماندههایی که میتوانید بحث کنید.
EDA که ساختار را نشان می‌دهد
نماهای پراکنش، همبستگی و جعبه که گفتوگوی عمیقتر آمار را آماده میکنند.
اندازهٔ نمونهٔ نظرسنجی
حداقل را برنامهریزی کنید n از حاشیهٔ خطا، اطمینان و نسبت — پیش از آنکه نظرسنجی بیرون برود.
در TeachForge، داده یک ایستگاه از Workshop است — اینجا مرتب کنید، سپس وقتی حرکت بعدی تدریس لازم دارد به آمار یا نمودار سازنده پل بزنید.
درون داده ایستگاه
مانند بقیهٔ Workshop، داده نگارش و پیشنمایش را نزدیک هم نگه میدارد — سازمانیافته بهصورت میزکار روشن.
- زبانهها برای مجموعهداده، نمایه، خط لوله، منحنی برازش و نظرسنجی ابزارها
- مسیرهای ورود — جایگذاری، بارگذاری، واکشی URL و قالببندی نوع آگاهازطرح
- خطوط لولهٔ تبدیل با خروجی CSV پاکسازیشده و کمکهای پرت / واحد
- مدلهای برازش از جمله حالت تدریس دستی «خط را حدس بزن»
- بستههای پارامتری برای شروع برازش و اندازهٔ نمونهٔ نظرسنجی
- خروجی و پلها بهسوی آمار و نمودار سازنده، بهعلاوه ارسال به Whiteboard
چگونه جدول بینش میشود
مجموعه داده را بارگذاری یا جایگذاری کنید و نوع ستون را تأیید کنید
از دادهٔ واقعی کلاس یا بذر تدریس شروع کنید.
نمایه، پاکسازی، برازش یا برنامهریزی پیمایش
زبانهای را انتخاب کنید که با حرکت تدریس جور است.
نتایج را برونبری کنید یا به جلو پل بزنید
دادهٔ پاکسازیشده را به چارت، آمار، پرسش یا تخته ببرید.
یک مجموعه داده. هر نسخهٔ آموزشیاش.
داده پشتیبانی میکند از بستههای پارامتری برای ابزار برازش و نظرسنجی، بهعلاوه JSON ذخیرهشدهٔ مجموعه داده و خط لوله — تا همان داستان پاکسازی یا مدل برازش برای کلاس بعدی باز شود بدون بازسازی گردش کار.
هنگام تدریس تغییر دهید
مدل را عوض کنید، گام خط لوله را تنظیم کنید، یا پارامترهای نظرسنجی را زنده عوض کنید.
خط لوله را نگه دارید، جدول را عوض کنید
همان ساختار پاکسازی و برازش را روی مجموعه دادهٔ فردا بازاستفاده کنید.
تمیز تحویل دهید
به آمار یا نمودار سازنده پل بزنید بهجای تکرار کار در ابزاری تازه.
نزدیک ارزیابی بمانید
نتایج را به پرسشها، آزمایشگاهها و توضیحهایی ببرید که از عدد واقعی استفاده میکنند.
آزمون استنباط و شبیهسازی توزیع در آمار زندگی میکنند. داده مالک مرتبسازی، نمایه، پاکسازی، برازش و برنامهریزی نظرسنجی است.
شروعهای آماده برای باز کردن
یک بستهٔ کاتالوگ یا قالب بذر باز کنید، سپس جدول خودتان را بیاورید:
| مساحت | چه چیزی میتوانید باز کنید |
|---|---|
| کاتالوگ برازش | خطی؛ چندجملهای؛ نمایی؛ لگاریتمی؛ توانی |
| کاتالوگ نظرسنجی | محاسبهگر اندازه نمونه |
| قالبهای بذر | مجموعهداده نمایه؛ پاکسازی خط لوله؛ خطی Fit؛ نمایی رشد؛ نمونه اندازه ماشینحساب |
کمک هوش مصنوعی به شیوهٔ شما
پیشنویس اول میخواهید؟ از هوش مصنوعی بهعنوان دستیار استفاده کنید — سپس بازبینی، ویرایش و تأیید کنید قبل از آنکه چیزی به یادگیرندگان برسد.
پرامپت را کپی کنید
یک پرامپت آماده بسازید و در ابزار گفتوگویی که همین حالا استفاده میکنید جایگذاری کنید.
از GPU خودتان استفاده کنید
در تنظیمات یک نقطهٔ پایانی مدل محلی وصل کنید و تولید را روی سختافزاری که خودتان کنترل میکنید اجرا کنید.
از کلید API خودتان استفاده کنید
کلید ارائهدهنده را در تنظیمات اضافه کنید، مدل را انتخاب کنید و با حساب خودتان تولید کنید.
هوش مصنوعی ممکن است اشتباه کند. دقیقاً به همین دلیل معلم در حلقه میماند.
تحلیل را جایی ببرید که تدریس رخ می‌دهد
- Whiteboard — روی تختهٔ زنده بگذارید و جلوی کلاس تنظیم کنید
- Quest Ladder — در پرسشها و توضیحات بیندازید
- Virtual Lab — در کار آزمایشگاهی تعاملی بازاستفاده کنید
- جامعه — آنچه ساختید را به اشتراک بگذارید و روی اشتراک دیگران بنا کنید