Epizoda

Zjednodušení analýzy a vizualizace dat pomocí vývojářských nástrojů a umělé inteligence | Den Datová Věda Pythonu

with Nitya Narasimhan

Den Datová Věda Pythonu

V novém věku velkých jazykových modelů a generování umělé inteligence je stále důležitější mít dovednosti analýzy a vizualizace dat. Jak se ale schopnost vývojářů mimo Python rychle zprovozní s nástroji a osvědčenými postupy potřebnými k dosažení cílů projektu, aniž by měla prospěch z let zkušeností s Pythonem nebo datovými vědami? Tady může pomoct správný vývojářský nástroj s trochou pomoci umělé inteligence.

V této přednášce přejdeme od identifikace opensourcové datové sady, abychom ji analyzovali pro přehledy a vizualizaci relevantních výsledků za 25 minut – s pouhým účtem GitHubu a koncovým bodem OpenAI. Na této cestě vám představíme řadu vývojářských nástrojů, které vám usnadní vaši cestu:

  • Otevření datové sady: k analýze – z Kaggle, Hugging Face nebo Azure
  • Transformace dat: na "sanitize" data – rozšíření z editoru Visual Studio Code
  • Jupyter Notebook: na "záznam"" – pro přenositelné učení
  • GitHub Codespaces: do prostředí "před sestavením" – pro konzistentní opakované použití
  • GitHub Copilot: do kódu "explain/fix" – pro prioritní výuku pomocí AI
  • Microsoft LIDA: "navrhnout/sestavit" cíle vizualizace – pro vytváření vaší intuitivní inteligence pomocí AI

Hovor se dodává s přidruženým úložištěm, které můžete forkovat – potom nahraďte vlastní datovou sadou, abyste mohli později rozšířit nebo experimentovat sami. Na konci hovoru byste měli mít představu o tom, jak můžete zjistit datovou sadu, abyste získali nějaké vizuální přehledy pomocí stávajících nástrojů s trochou pomoci s AI.

Chapters

  • 00:00 - Zjednodušení analýzy a vizualizace dat pomocí vývojářských nástrojů a umělé inteligence
  • 00:29 - Sledujte
  • 00:54 - Úvod - Výzvy analýzy dat a cíle
  • 04:44 – GitHub Codespaces – Opakovaně použitelná prostředí
  • 08:32 - Poznámkové bloky Jupyter - Aby bylo reprodukovatelné
  • 11:18 – GitHub Copilot – Učení s asistencí umělé inteligence
  • 14:43 – Visual Studio Code – rozšíření produktivity
  • 15:39 – Otevření datových sad – Transformace dat
  • 19:15 - Resonsible AI toolkit - Ladění modelů pro nestrannost
  • 21:13 - Projekt LIDA - AI-asistovaná vizualizace a vizualizace
  • 25:24 – Azure AI Studio – Přechod paradigmatu na OPERACE LLM
  • 25:47 - Souhrn - Otázky a další kroky

Propojit

  • Nitya Narasimhan | Twitter/X: @nitya

Developer
Python

Chcete se podělit o svůj názor? Tady můžete odeslat problém.