ai-fluency: solution.py

solution.py

@@ -0,0 +1,107 @@
+<|channel|>final code<|message|>import json
+from pathlib import Path
+from typing import List, Dict
+
+from rich.console import Console
+from rich.table import Table
+
+console = Console()
+
+
+def load_user_profile(path: str) -> Dict:
+    """
+    Загружаем профиль пользователя из JSON‑файла.
+    Ожидается структура:
+        {
+            "name": "Иван",
+            "experience_level": "beginner",  # beginner, intermediate, advanced
+            "interests": ["machine learning", "natural language processing"]
+        }
+    """
+    try:
+        data = json.loads(Path(path).read_text(encoding="utf-8"))
+        console.print(f"[green]Профиль пользователя загружен: {data['name']}[/green]")
+        return data
+    except Exception as exc:
+        console.print(f"[red]Ошибка при чтении профиля: {exc}[/red]")
+        raise
+
+
+def generate_plan(profile: Dict) -> List[Dict]:
+    """
+    Генерируем план обучения на основе уровня опыта и интересов.
+    План состоит из этапов, каждый этап содержит название, описание и список задач.
+    """
+    level = profile.get("experience_level", "beginner")
+    interests = profile.get("interests", [])
+
+    stages: List[Dict] = []
+
+    # Базовый набор тем
+    base_topics = {
+        "beginner": [
+            ("Введение в искусственный интеллект", ["Понимание истории ИИ", "Основные понятия"]),
+            ("Python для AI", ["Установка Anaconda", "Библиотеки NumPy, Pandas"]),
+            ("Машинное обучение", ["Линейная регрессия", "Классификация"])
+        ],
+        "intermediate": [
+            ("Глубокое обучение", ["Нейронные сети", "ТензорFlow / PyTorch"]),
+            ("Обработка естественного языка", ["Tokenization", "Word embeddings"]),
+            ("Этика ИИ", ["Bias & fairness", "Privacy concerns"])
+        ],
+        "advanced": [
+            ("Сложные модели", ["Transformer architecture", "Reinforcement learning"]),
+            ("Оптимизация и масштабирование", ["Distributed training", "GPU/TPU usage"]),
+            ("Исследовательские проекты", ["Публикация статей", "Конференции"])
+        ]
+    }
+
+    # Добавляем базовые темы
+    for title, tasks in base_topics.get(level, []):
+        stages.append({"title": title, "description": f"Основы {title.lower()}", "tasks": tasks})
+
+    # Добавляем интересные темы
+    if interests:
+        for interest in interests:
+            stages.append({
+                "title": f"Углубление в {interest.title()}",
+                "description": f"Продвинутый курс по {interest}",
+                "tasks": [f"Изучить ключевые статьи", f"Реализовать проект на тему {interest}"]
+            })
+
+    return stages
+
+
+def display_plan(stages: List[Dict]) -> None:
+    """
+    Выводим план в виде таблицы с помощью rich.
+    """
+    table = Table(title="План личной AI‑грамотности", show_lines=True)
+    table.add_column("Этап", style="cyan", no_wrap=True)
+    table.add_column("Описание", style="magenta")
+    table.add_column("Задачи", style="green")
+
+    for stage in stages:
+        tasks = "\n".join(f"- {t}" for t in stage["tasks"])
+        table.add_row(stage["title"], stage["description"], tasks)
+
+    console.print(table)
+
+
+def main():
+    """
+    Точка входа. Ожидается путь к JSON‑файлу с профилем пользователя.
+    """
+    import argparse
+
+    parser = argparse.ArgumentParser(description="Генератор плана AI‑грамотности")
+    parser.add_argument("profile", help="Путь к файлу профиля пользователя (JSON)")
+    args = parser.parse_args()
+
+    profile = load_user_profile(args.profile)
+    plan = generate_plan(profile)
+    display_plan(plan)
+
+
+if __name__ == "__main__":
+    main()