Importante

Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!

3
respostas

[Projeto] Olá! aqui esta a minha versão até a etapa três, UTILIZANDO O OLLAMA:

from ollama import chat

perguntas = [
"O que é Machine Learning?",
"Qual a diferença entre Machine Learning supervisionado e não supervisionado?",
"O que é um conjunto de treinamento (training set)?",
"O que significa overfitting em um modelo de Machine Learning?",
"Para que serve um modelo de Machine Learning?",
"Como criar um modelo de machile learning"
]

contador = 0

with open('perguntas.txt', 'w', encoding='utf-8') as arquivo:
for item in perguntas:
contador = contador + 1
arquivo.write(f'{contador} - {item}\n')

lista_perguntas = [

]

with open('perguntas.txt', 'r', encoding='utf-8') as arquivo:
for pergunta in arquivo:
lista_perguntas.append(pergunta.strip())

PROMPT = 'você é o melhor professor do mundo. Seu papel é responder da melhor maneira possivel as perguntas mas curto.'
for PERG in lista_perguntas:
response = chat(
model='gemma3:4b-cloud',
messages=[{'role': 'system', 'content': PROMPT},
{'role': 'user', 'content': PERG}]

)
print(f'{PERG}\n')
print(f'{response.message.content}\n')  
3 respostas

Olá, Marcos! Como vai?

Parabéns pela resolução da atividade!

Vi que você explorou o ollama.chat para interação com modelos de linguagem em Python, utilizou muito bem o manipulador de arquivos para registrar e recuperar perguntas e ainda compreendeu a importância da automação de respostas para transformar o código em um pequeno sistema de ensino interativo.

Continue postando as suas soluções, com certeza isso ajudará outros estudantes e tem grande relevância para o fórum.

Se quiser aprofundar ainda mais, algumas boas práticas são:

  • Estruturação: separar funções para leitura, escrita e interação com o modelo, deixando o código mais modular.
  • Validação: garantir que o arquivo de perguntas não esteja vazio antes de iniciar o loop de respostas.
  • Extensibilidade: permitir que novas perguntas sejam adicionadas dinamicamente pelo usuário durante a execução.

Alguns materiais podem estar em inglês, mas é possível compreendê-los usando o recurso de tradução de páginas do próprio navegador.

Ah, uma pergunta: Marcos, você prefere continuar praticando com exemplos de interação com modelos para consolidar fundamentos ou acha mais interessante avançar para sistemas mais completos que integrem banco de dados e interfaces gráficas para ensino automatizado?

Abraço e bons estudos!

AluraConte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!

acho mais interessante interfaces gráficas para ensino automatizado!
adoro desafios.

Olá, Marcos! Tudo bem?

Muito legal ver que você prefere avançar para interfaces gráficas voltadas ao ensino automatizado.

Essa escolha realmente traz desafios interessantes, porque além de consolidar os fundamentos, você passa a lidar com a experiência do usuário e com a integração entre diferentes camadas da aplicação.

Interfaces gráficas permitem:

  • Visualização clara dos conceitos, facilitando o aprendizado.
  • Interatividade: o aluno pode testar e ver resultados em tempo real.
  • Integração com banco de dados: guardar histórico de uso e personalizar a experiência.
  • Escalabilidade: abrir espaço para evoluir em direção a sistemas mais completos e aplicáveis no mercado.

Parabéns por gostar de desafios e buscar esse caminho mais avançado.

É justamente essa postura que acelera o aprendizado e diferencia projetos acadêmicos de soluções práticas.

Forte abraço e siga firme nessa jornada!