01. Python 程式執行工具以及環境搭建
選擇使用kaggle官方的notebook作為環境搭建的平臺， 因為之前使用過kaggle進行註冊，因此直接簡單登入，按照下圖依次進行操作
note: 需要掛來登入
1. 點選create
2. 建立notebook記事本
3. 嘗試寫一個簡單的hello world
先新建code
print("hello world")
然後單擊箭頭進行編譯
在終端中列印出hello world
02. 大語言模型的程式碼嘗試(主要是程式碼呼叫)
按照官網提供的手冊操作即可
問題1. 無法安裝包，錯誤如下
解決辦法：參考如下
找到kaggle notebook右側的session option, 第一次需要找到裡面最下面的verify phone number進行驗證
隨後重新開啟notebook， Internet on
解決
問題2. 無法像手冊中的那樣加入api_key， 報錯如下
加入程式碼
!export DASHSCOPE_API_KEY ='xxxx'
解決辦法
透過分析報錯資訊，發現函式是可以設定引數的， 將控制檯裡面的api_key加入, 設定一個api_key變數，將其加入到引數當中
解決問題
03. 大模型和領域的結合
1. 總體問一下AI的概念
發現如今AI和許多我們生活都息息相關.
2. AI和城市安全的聯絡
因為我本身課題研究領域是行人重識別， 算是智慧城市的一部分，因此問了和城市安全的相關問題， 發現還有一些其他的問題比如人員跟蹤， 人流量預測等和生活相關的問題也可以和AI相互結合.
3. AI和行人重識別的聯絡
提出了一個不是很懂的概念強化學習, 問一下什麼是強化學習
關於強化學習中的獎勵和懲罰的執行者比較疑惑
總體還是透過人來設計相關的演算法輔助模型來進行學習.
4. 在3的回答中提到了因為設計到隱私問題, 想到了深度學習如何解決訓練資料數量較少的問題
04. 實現一個kaggle程式碼
1. 問題:第一次將程式碼複製到notebook中出現報錯
解決:分析報錯發現是缺失檔案, 需要下載對應的.csv資料集
找到對應網址的資料集,下載後上傳到input資料集當中, 資料集的名字應該是melbourne-housing-snapshot
成功解決!