[MSUS | Cvičenie] 2 - Best practices v modelovaní, Ukážka dát
Preber si túto prednášku so svojou AI
Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.
Zhrnutie prednášky
Cvičenie sa venuje spätnej väzbe k prvému odovzdanému zadaniu z modelovania Petriho sietí a predstaveniu nového online kreslítka dostupného na builder.interes.group, ktoré je kompatibilné s predchádzajúcimi nástrojmi a bude sa používať počas celého semestra na modelovanie v jazyku Petri Flow. Vyučujúci zhodnotil, že väčšina študentov zadanie odovzdala a získala body, pričom bodovanie je založené skôr na snahe a správnosti myšlienkového prístupu než na bezchybnosti. Rozoberajú sa dve najčastejšie chyby: nesprávne alebo chýbajúce počiatočné značkovanie, kvôli ktorému sa proces vôbec nedá spustiť, a logické chyby v prechodoch, najmä nesprávne používanie reset hrán, ktoré neovplyvňujú spustiteľnosť prechodu. Zdôrazňuje sa dôležitosť testovania modelu v simulačnom móde a súvislosť medzi dátami vyžadovanými na dokončenie úloh a spustiteľnosťou prechodov v sieti.
- - Predstavenie nového online kreslítka na builder.interes.group pre modelovanie Petriho sietí a Petri Flow procesov
- - Hodnotenie zadaní funguje ako prezenčka - 1 bod za odovzdanie, až 2 body za kvalitné spracovanie, 0 bodov za nedostatočnú snahu
- - Chyby v zadaniach sa v rámci cvičenia netrestajú stratou bodov, ide o proces učenia
- - Kľúčová chyba: chýbajúce alebo nesprávne počiatočné značkovanie znemožňuje spustenie akéhokoľvek prechodu
- - Nové kreslítko automaticky obnovuje počiatočné značkovanie po simulácii, čím eliminuje jeden typ chyby
- - Logická chyba pri používaní reset hrán - tie neovplyvňujú spustiteľnosť prechodu, aj pri nule značiek sa dajú spustiť
- - Dôležitosť previazania požadovaných dát s logikou procesu a nutnosť testovania modelu v simulačnom móde
Zhrnutie pripravené s pomocou AI z prepisu videa.
nechodím na prednášky