01. Python 程序运行工具以及环境搭建
选择使用kaggle官方的notebook作为环境搭建的平台， 因为之前使用过kaggle进行注册，因此直接简单登录，按照下图依次进行操作
note: 需要挂来登录
1. 点击create
2. 创建notebook记事本
3. 尝试写一个简单的hello world
先新建code
print("hello world")
然后单击箭头进行编译
在终端中打印出hello world
02. 大语言模型的代码尝试(主要是代码调用)
按照官网提供的手册操作即可
问题1. 无法安装包，错误如下
解决办法：参考如下
找到kaggle notebook右侧的session option, 第一次需要找到里面最下面的verify phone number进行验证
随后重新打开notebook， Internet on
解决
问题2. 无法像手册中的那样加入api_key， 报错如下
加入代码
!export DASHSCOPE_API_KEY ='xxxx'
解决办法
通过分析报错信息，发现函数是可以设置参数的， 将控制台里面的api_key加入, 设置一个api_key变量，将其加入到参数当中
解决问题
03. 大模型和领域的结合
1. 总体问一下AI的概念
发现如今AI和许多我们生活都息息相关.
2. AI和城市安全的联系
因为我本身课题研究领域是行人重识别， 算是智能城市的一部分，因此问了和城市安全的相关问题， 发现还有一些其他的问题比如人员跟踪， 人流量预测等和生活相关的问题也可以和AI相互结合.
3. AI和行人重识别的联系
提出了一个不是很懂的概念强化学习, 问一下什么是强化学习
关于强化学习中的奖励和惩罚的执行者比较疑惑
总体还是通过人来设计相关的算法辅助模型来进行学习.
4. 在3的回答中提到了因为设计到隐私问题, 想到了深度学习如何解决训练数据数量较少的问题
04. 实现一个kaggle代码
1. 问题:第一次将代码复制到notebook中出现报错
解决:分析报错发现是缺失文件, 需要下载对应的.csv数据集
找到对应网址的数据集,下载后上传到input数据集当中, 数据集的名字应该是melbourne-housing-snapshot
成功解决!
