แนวทางการแปล Jupyter Notebook (.ipynb): โค้ดรันได้ Markdown อ่านเข้าใจหรือไม่?

การวินิจฉัยสถานะหลัก

รายงานการวิเคราะห์ข้อมูลมักผสมผสานทั้งโค้ดที่สามารถรันได้ ผลลัพธ์จากการรัน และข้อความอธิบายด้วย Markdown การแปลทั้งฉบับโดยไม่จำแนกประเภทอาจนำไปสู่โค้ดที่ใช้งานไม่ได้หรือผลลัพธ์ถูกแก้ไข

การวิเคราะห์สาเหตุที่แท้จริง

1

กลยุทธ์แบ่งประเภทเซลล์อย่างชาญฉลาด

ระบบ AI แปลภาษาจะอาศัยฟิลด์ `cell_type` ในโครงสร้าง JSON เพื่อแบ่งประเภท: เซลล์ `markdown` จะถูกนำเข้าสู่เครื่องมือแปลภาษา ขณะที่เซลล์ `code` จะถูกล็อกไว้อย่างเข้มงวดกรณีเซลล์ `raw` ผู้ใช้สามารถเลือกได้ตามความเหมาะสมว่าจะทำการแปลหรือไม่

2

การป้องกันสูตรคณิตศาสตร์ที่ฝังใน Markdown

ในเซลล์ Markdown มักมีสูตรคณิตศาสตร์ในรูปแบบ LaTeX (เช่น `$E=mc^2$`)AI จะตรวจจับขอบเขต `$` และถือว่าข้อความภายในเป็น ‘โทเค็นที่ไม่เปลี่ยนแปลง’ โดยจะแปลเฉพาะข้อความอธิบายที่อยู่รอบสูตรเท่านั้น

3

การทำความสะอาดข้อมูลใน Output (ผลลัพธ์)

โดยค่าเริ่มต้น ขอแนะนำให้ผู้ใช้ลบ Output ก่อนอัปโหลด แต่หากมี Output ที่เป็นข้อความ (เช่น ข้อความล็อกข้อผิดพลาดหรือผลลัพธ์จากการ print) AI ก็สามารถแปลเฉพาะส่วนที่เป็นภาษาธรรมชาติตามการตั้งค่า โดยคงโครงสร้าง Traceback ไว้

สรุปแนวทางแก้ไขขั้นสุดท้าย

รองรับความต้องการด้านการแปลเนื้อหาเพื่อแบ่งปัน Kaggle Competition หรือใช้ในเอกสารประกอบการสอนอย่างสมบูรณ์ โดยรักษาความสอดคล้องระหว่างตรรกะของโค้ดกับเอกสารอธิบาย