Bild vom Herausgeber
 

ChatGPT ist zum OpenAI-Produkt geworden, das die Funktionsweise der Welt verändert. Viele der Leser hier nutzen sie bereits oder testen sie zumindest. So wie es uns hilft, glaube ich nicht, dass wir zu unserer alten Arbeitsweise zurückkehren können.

Eine der Innovationen, die OpenAI bietet, ist der GPT Store, in dem Benutzer ihre benutzerdefinierten GPT-Modelle entwickeln und sie mit der Öffentlichkeit teilen können. Mehr als 3 Millionen benutzerdefinierte ChatGPT-GPTs der Entwickler sind geöffnet. Einiges davon könnte tatsächlich nützlich sein, um die Aktivität von Datenwissenschaftlern zu verbessern.

In diesem Artikel werden 7 GPTs aus dem GPT Store besprochen, die Ihren Data Science-Workflow verbessern könnten. Was sind diese GPTs? Lasst uns darauf eingehen.

Als Randbemerkung würde ich das verwenden Telekommunikationsabwanderungsdatensatz von Kaggle als Beispieldatensatz für GPTs zur Verwendung.

Beginnen wir mit dem, was ChatGPT-Teams für uns erstellt haben Data Analyst. Dies ist das benutzerdefinierte GPT, das explizit darauf trainiert wurde, unsere Daten zu analysieren und sie nach Bedarf zu visualisieren. Durch das Löschen der Datei, z. B. CSV-Dateien, und die Bereitstellung der Eingabeaufforderung für das, was wir benötigen, könnte der Data Analyst GPT die Aufgabe automatisch erledigen.

Beispielsweise bitte ich den Datenanalysten, eine Churn-Korrelationsanalyse aus dem Datensatz zu entwickeln, den ich ihm gebe. 

Datenanalyst führt Korrelationsanalyse durch (Bild vom Autor)
 

Weitere Analysen können Sie beim Data Analyst GPT anfordern. Sie können das GPT auch verwenden, um den gesamten Code bereitzustellen, um ihn bei Bedarf selbst auszuführen.

Das nächste GPT, das wir besprechen werden, ist das GPT für maschinelles Lernen. Dieses benutzerdefinierte GPT ist als Assistent für alle Aktivitäten im Bereich maschinelles Lernen und Datenwissenschaft konzipiert. Der Nutzen umfasst das Besprechen, Erlernen und Entwickeln geeigneter Algorithmen für unsere Datenprojekte.

Als Beispiel bitte ich das GPT für maschinelles Lernen, eine Modellentwicklung aus unserem Beispieldatensatz durchzuführen, um die Abwanderung vorherzusagen. Hier ist das Ergebnis.

Maschinelles Lernen führt Modellexperimente durch (Bild vom Autor)
 

Das GPT kann einen guten Vergleich zwischen den verwendeten Modellen bieten. Wenn wir fortfahren, können wir das Modell bitten, mit mehr Modellen zu iterieren, eine Hyperparameter-Optimierung durchzuführen und den GPT bitten, die Gründe für jede Aktion anzugeben.

Ähnlich wie im vorherigen Eintrag, der GPT-Ingenieur für maschinelles Lernen stellt den Benutzern einen Assistenten zur Entwicklung des maschinellen Lernmodells zur Verfügung. Sie können Ihren Datensatz eingeben und das GPT bitten, Ihnen die wesentlichen Schritte und den vollständigen Code zu geben.

Das Besondere am Machine Learning Engineer ist, dass sein GPT den Entwurf von Modellen zur Automatisierung komplexer Aufgaben, insbesondere für die Bereitstellung von Modellen, spezifiziert. Im GPT können Sie besprechen, wie Sie Ihr Modell strukturieren möchten und wie die Modellbereitstellung in der Produktion aussehen soll.

Apropos Modellstrukturierung: GPT eignet sich auch dazu, uns bei der Strukturierung unseres Codes für die Modellierung maschinellen Lernens zu unterstützen. Einer der besten Codierungsassistenten, die ich gefunden habe, ist der AutoExpert. Es handelt sich um ein GPT, das Ihnen als zuverlässiger Paarprogrammiererassistent helfen soll.

Das GPT wurde mit zusätzlichen Funktionen zur Codegenerierung, Online-Zugriff auf die neuesten APIs und benutzerdefinierten Befehlen zum Speichern Ihres Sitzungsstatus entwickelt, die Sie bei Bedarf für die spätere Sitzung verwenden können.

Die Verwendung dieses GPT würde Ihnen helfen, den komplexen Code für alle Zwecke zu generieren, die Sie während Ihrer datenwissenschaftlichen Aktivität benötigen. Außerdem erhalten Sie die Codestruktur und das Skript, damit Sie diese besser ausführen können.

Lassen Sie uns vom technischen Codierungsteil zum theoretischen Teil übergehen. Wie wir wissen, geht es bei datenwissenschaftlichen Arbeiten um kontinuierliches Lernen, insbesondere in neuartigen Anwendungsfällen. Angesichts der wachsenden Forschung in der Datenwissenschaft ist es manchmal schwierig, die perfekte Forschung zu finden, die unseren Anwendungsfällen helfen könnte. Das ist wo GelehrterGPT kommt in.

Dieses GPT hilft Ihnen dabei, das neueste Forschungspapier für unsere Anwendungsfälle zu finden. Über die einfache Eingabeaufforderung erhalten wir eine Auswahl der neuesten Veröffentlichungen, die sich auf das Problem beziehen, das wir lösen möchten.

Der folgende Text ist beispielsweise das Ergebnis von ScholarGPT, wo ich unseren Datensatz hochgeladen und sie gebeten habe, mir eine Forschungsarbeit zur Vorhersage der Abwanderung zur Verfügung zu stellen.

Titel: „Transparenz in der Entscheidungsfindung: Die Rolle von Explainable Ai (XAI) in der Kundenabwanderungsanalyse“

• Autoren: CÖZKURT
• Jahr: 2024
• Zusammenfassung: Diese Studie konzentriert sich auf die Vorhersage verlorener Kunden und die Erklärung der Gründe dafür mithilfe von maschinellem Lernen, insbesondere auf die Untersuchung der Kundenabwanderung im Telekommunikationssektor durch strenge Analysen.
• Link: Lies das Dokument?Quelle?.

Das ScholarGPT stellt Ihnen viele weitere Forschungsarbeiten zur Auswahl, sodass Sie auswählen können, welche auf Ihre Anwendungsfälle zutreffen.

Das nächste GPT, das wir besprechen würden, ist das Wunderliches Diagramm. Bei vielen datenwissenschaftlichen Aktivitäten geht es nicht immer um Forschung und Modellentwicklung. Es kommt oft vor, dass wir unseren Arbeitsablauf visualisieren und erklären müssen, wie unsere Arbeit aussehen würde. Hier hilft Ihnen Whimsical Diagrams GPT.

Dieses GPT dient dazu, Konzepte mit Flussdiagrammen, Mindmaps und Sequenzdiagrammen zu erklären und zu visualisieren. Die Bereitstellung der uns zur Verfügung stehenden Eingabeaufforderung und Datenquelle könnte uns dabei helfen, eine Visualisierung bereitzustellen, die unsere Arbeit unterstützt.

Ich habe das Modell beispielsweise gebeten, mir ein Vorschlagsdiagramm aus dem Churn-Datensatz zur Verfügung zu stellen, und es hat vorgeschlagen, die Churn anhand der Features zu visualisieren. Unten ist das Bildergebnis.

Abwanderung durch die Funktionen (Bild generiert von Whimsical Diagram GPT)
 

Sie können mit dem GPT weiter diskutieren, um Ihren perfekten Diagramm-Workflow für die datenwissenschaftlichen Arbeiten zu finden.

Der letzte ist der Canva GPT, was uns bei der Kommunikation unserer Ergebnisse helfen könnte. Wie wir wissen, ist Canva eine Serviceplattform, die bei der Gestaltung von Logos, Profilfotos, Bannern und Präsentationen hilft. Mit dem Canva GPT können sie uns dabei helfen, das beste Design für unsere Analyse zu erhalten.

Bei der Datenwissenschaft geht es darum, unsere Ergebnisse anderen mitzuteilen. Daher ist es wichtig, gültige Ergebnisse zu haben, die auf eine Weise präsentiert werden, die das Publikum versteht. Mit Canva GPT können wir Vorschläge einholen, welches Design geeignet ist. Ich habe zum Beispiel das Model gebeten, mir ein Design zu liefern, das perfekt für die Darstellung der Churn Statistics geeignet ist.

Designauswahl für die Abwanderungsstatistik (Canva GPT)
 

Das GPT würde uns die Designoptionen geben, und wir könnten wählen, welches wir bevorzugen, oder zusätzliche Aufforderungen geben, andere Designs zu erhalten.

In diesem Artikel werden sieben benutzerdefinierte GPTs besprochen, die im GPTs Store verfügbar sind und unseren Data-Science-Workflow verbessern könnten. sie sind:

1. Datenanalyst von ChatGPT
2. Maschinelles Lernen von Maryam Eskandari
3. Ingenieur für maschinelles Lernen von Hustle Playground
4. AutoExpert (Entwickler) von llmagineers.com
5. ScholarGPT von awesomegpts.ai
6. Skurrile Diagramme von whimsical.com
7. Canva von canva.com

Ich hoffe, es hilft! Haben Sie GPT-Vorschläge, die auf dieser Liste stehen sollten? Geben Sie sie auch in den Kommentaren an.
 
 

Cornellius Yudha Wijaya ist Data Science Assistant Manager und Data Writer. Während er Vollzeit bei Allianz Indonesien arbeitet, liebt er es, Python- und Datentipps über soziale Medien zu teilen und Medien zu schreiben.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://www.kdnuggets.com/7-gpts-to-help-improve-your-data-science-workflow?utm_source=rss&utm_medium=rss&utm_campaign=7-gpts-to-help-improve-your-data-science-workflow