Episodio

Simplificación del análisis y la visualización de datos con herramientas de desarrollo e inteligencia artificial | Día de Ciencia de datos de Python

con Nitya Narasimhan

Día de Ciencia de datos de Python

Tener habilidades de análisis y visualización de datos es cada vez más importante en la nueva era de los modelos de lenguaje grande y la inteligencia artificial generativa. Pero ¿ cómo funciona un desarrollador que no es de Python rápidamente con las herramientas y procedimientos recomendados necesarios para lograr objetivos del proyecto, sin tener la ventaja de años de experiencia en ciencia de datos o Python? Aquí es donde las herramientas adecuadas para desarrolladores, con un poco de ayuda de inteligencia artificial, pueden ayudar.

En esta charla, pasaremos de identificar un conjunto de datos de código abierto para analizarlo para obtener información y visualizar los resultados pertinentes, en 25 minutos, con solo una cuenta de GitHub y un punto de conexión de OpenAI. A lo largo del proceso, le presentaremos una serie de herramientas de desarrollo que facilitan su recorrido:

  • Open Dataset: to ""analyze"" (Conjunto de datos abierto: a "analizar"): desde Kaggle, Hugging Face o Azure
  • Data Wrangler: to ""sanitize"" data : extensión de Visual Studio Code
  • Proceso de Jupyter Notebook: a "registro"" para el aprendizaje transferible
  • GitHub Codespaces: al entorno ""precompilar"" para una reutilización coherente
  • Código de GitHub Copilot: a ""explain/fix"" (para el aprendizaje centrado con la ayuda de ia)
  • Microsoft LIDA: a los objetivos de visualización ""sugerir/compilar": para crear su intuición con la ayuda de ia

La conversación incluye un repositorio asociado que puede bifurcar y, a continuación, reemplazar por su propio conjunto de datos para ampliar o experimentar por su cuenta más adelante. Al final de la charla, debe tener una sensación de cómo puede pasar de descubrir un conjunto de datos para obtener información visual sobre él, mediante herramientas existentes con una pequeña ayuda de inteligencia artificial.

Capítulos

  • 00:00 - Simplificación del análisis y visualización de datos con herramientas de desarrollo e inteligencia artificial
  • 00:29 - Seguimiento
  • 00:54 - Introducción - Desafíos y objetivos del análisis de datos
  • 04:44 : GitHub Codespaces: entornos reutilizables
  • 08:32 - Jupyter Notebooks - Hacer que sea reproducible
  • 11:18 - GitHub Copilot - Aprendizaje asistido por IA
  • 14:43 : Visual Studio Code: extensiones de productividad
  • 15:39 : Abrir conjuntos de datos: Wrangler de datos
  • 19:15 - Kit de herramientas de INTELIGENCIA artificial resonsible: depuración de modelos para la equidad
  • 21:13 - Proyecto LIDA - Intuición y visualización asistida por IA
  • 25:24 : Azure AI Studio: cambio de paradigma a operaciones LLM
  • 25:47 - Resumen - Preguntas y pasos siguientes

Conexión

  • Nitya Narasimhan | Twitter/X: @nitya

Desarrollador
Python