Učitelská verze stránky

Po tomto cvičení student

• rozumí zadání úlohy Spam filtr, rozumí formátu dat;
• umí spustit testy k prvnímu kroku úlohy Spam filtr, rozumí jejich výstupům a chápe, jak mohou být užitečné při řešení úlohy;
• umí vytvářet jednoduché generátory pomocí příkazu yield.

• Dotazy a odpovědi
• Testík
• Hádanka
• Vyjasnění a diskuse zadání úlohy Spam filter
• Vysvětlení a demonstrace testů k úloze Spam filter
• Příkaz yield

• Kdo dokončil implementaci funkcí count_chars_in_string() a count_chars_in_file()?
• Kolik lidí se pokusilo implementovat funkci read_classification_from_file()? Kolik lidí si myslí, že ji i úspěšně dokončilo?
• Na jaké problémy jste při práci se soubory narazili?
• Připomenutí: proč je dobré používat parametr encoding ve volání open(filename, mode, encoding='utf-8')?

Zadání 4. testíku se dozvíte na cvičení.

Zadání hádanky se dozvíte na cvičení.

• Vyjasnění diskuze o filtrování spamu z přednášky, odpovědi na otázky
• Specifikace celé úlohy - co musí celé řešení splnit
• Data a jejich formát
• Analýza a dekompozice problému na jednotlivé funkční bloky

Druhá část úlohy Spam filtr je týmová. Do příštího týdne vyplňte

Dotazník

a dejte nám tak vědět, zda tým už máte nebo si někoho najdete sami, zda byste chtěli, abychom vám někoho přidělili, nebo zda máte k týmové práci takový odpor, že opravdu chcete úlohu řešit sami.

• Pokud se rozhodnete úlohu řešit sami, vězte, že to bude mnohem více práce: musíte vytvořit kód, report i prezentaci sami. V týmu se o práci můžete podělit.
• Je to hlavně pro naši i vaši orientaci, abychom my i vy věděli, s kým jste v týmu, příp. komu máme partnera do týmu najít. Proto se ptáme i na úroveň Pythonu, abychom dokázali vás dokázali lépe “namatchovat” k sobě.
• Týmy mohou být sestaveny napříč cvičeními. (Závěrečnou prezentaci stačí předvést na jednom cvičení.)

Pokud stále narážíte na problémy se zakládáním projektů, spouštěním skriptů, či testů, zkuste si přečíst následující informace:

• VS Code
• PyCharm

http://docs.python.org/py3k/library/unittest.html

• Testy se snažíme psát srozumitelně, abyste jejich studiem něco získali.
• Mnoho pomocných funkcí, které u testů jsou, tvoří také zajímavý studijní materiál.
• Uvědomte si, že testy velmi často dělají opak toho, co má dělat váš kód: když má vaše funkce načítat data ze souboru, musí je jiná funkce v testu nejprve vytvořit. Zkuste zde hledat inspiraci k řešení vlastních problémů!

Stáhněte si testy ke kroku 1 úlohy Spam filtr. Archiv rozbalte do adresáře, kde vyvíjíte spam filter.

• Zkuste si zdrojový kód testů sami přečíst. Poznamenejte si nejasnosti. Diskutujte o nich se cvičícím.
• Zkuste testy spustit.
• Co vám říká výstup? Jaký další (co nejmenší) krok byste udělali na základě výstupu unit testu, abyste se posunuli dál?
• Zkuste tento krok rovnou udělat. Jak se změnil výstup unit testu? Jaký další krok byste udělali?
• …

Zopakujte (podle potřeby) výše uvedené i pro testy ke kroku 2.

Iterable, iterátor, generátor, ''yield''

• Dokončete krok 1 úlohy Spam filtr, tj. funkci read_classification_from_file() tak, aby procházela testy.
• Začněte pracovat na kroku 2 úlohy Spam filtr, tj. na třídě Corpus a její metodě emails().

Vyplňte dotazník ohledně složení týmů pro Spam filtr, pokud jste to ještě neudělali.

Pokud se vám to nepodařilo už na cvičení, dokončete:

• krok 1 úlohy Spam filtr, tj. funkci read_classification_from_file() tak, aby procházela testy.
• krok 2 úlohy Spam filtr, tj. třídu Corpus a její metodu emails() tak, aby procházela testy.

Příprava na krok 3 úlohy spam filtr:

Prostudujte si:

• V článku Binary Classification najděte a pochopte význam zkratek TP, FP, TN, FN.

Na kus papíru napište:

• co podle vás tyto zkratky znamenají pro problém filtrování spamu
• co budeme potřebovat, abychom tyto statistiky mohli napočítat

 

Příprava na krok 4 úlohy spam filtr:

Rozmyslete si a načrtněte na kus papíru:

• Jakým způsobem se spam filtr vlastně používá?
• Jaký je z hlediska implementace rozdíl mezi učicím se filtrem a filtrem, který se učit neumí?
• Existuje nějaká část, kterou budou mít všechny spam filtry společnou?
• Je lepší realizovat spam filtr jako funkci nebo jako objekt s vlastnostmi a metodami?
• Jaké jsou minimální požadavky na tuto realizaci? Co všechno by měla umět? Jaké musí mít vstupy a co musí být jejím výstupem?