Afbeelding door redacteur
ChatGPT is het OpenAI-product geworden dat de manier waarop de wereld werkt verandert. Veel van de lezers hier gebruiken ze al of testen ze op zijn minst uit. Zoals het ons helpt, denk ik niet dat we terug kunnen naar onze oude manier van werken.
Een van de innovaties die OpenAI biedt is de GPT Store, waar mensen hun aangepaste GPT-modellen kunnen ontwikkelen en deze met het publiek kunnen delen. Er zijn meer dan 3 miljoen aangepaste ChatGPT-GPT's van de bouwers open. Een deel ervan zou zelfs nuttig kunnen zijn om de activiteiten van datawetenschappers te verbeteren.
In dit artikel worden 7 GPT's uit de GPT Store besproken die uw Data Science-workflow kunnen verbeteren. Wat zijn deze GPT's? Laten we erop ingaan.
Als kanttekening zou ik de Telecom Churn-dataset van Kaggle als voorbeelddataset die GPT's kunnen gebruiken.
Laten we beginnen met wat ChatGPT-teams voor ons hebben gemaakt, de Data Analyst. Dit is de Custom GPT, expliciet getraind om onze gegevens te analyseren en ze te visualiseren zoals we nodig hebben. Door het bestand, zoals CSV-bestanden, neer te zetten en de prompt te geven wat we nodig hebben, kan de Data Analyst GPT het werk automatisch doen.
Ik vraag de data-analist bijvoorbeeld om een Churn-correlatieanalyse te ontwikkelen op basis van de dataset die ik hem geef.
Data-analist voert correlatieanalyse uit (afbeelding door auteur)
Voor verdere analyse kunt u terecht bij de Data Analist GPT. U kunt de GPT ook gebruiken om de volledige code aan te leveren, zodat u deze indien nodig zelf kunt uitvoeren.
De volgende GPT die we zullen bespreken is de Machine learning GPT. Deze aangepaste GPT is ontworpen als assistent voor elke machine learning- en datawetenschapsactiviteit. Het nut omvat het bespreken, leren en ontwikkelen van geschikte algoritmen voor onze dataprojecten.
Als voorbeeld vraag ik de Machine Learning GPT om modelontwikkeling uit te voeren op basis van onze voorbeelddataset om Churn te voorspellen. Hier is het resultaat.
Machine Learning voert modelexperimenten uit (afbeelding door auteur)
De GPT kan een goede vergelijking opleveren tussen de modellen die zij gebruikten. Als we doorgaan, kunnen we het model vragen om met meer modellen te herhalen, hyperparameterafstemming uit te voeren en de GPT vragen de redenen voor elke actie op te geven.
Vergelijkbaar met het vorige bericht, de Machine Learning-ingenieur GPT biedt de gebruikers een assistent om het machine learning-model te ontwikkelen. U kunt uw dataset plaatsen en de GPT vragen om u de essentiële stappen en de volledige code te geven.
Wat de Machine Learning Engineer anders maakt, is dat hun GPT het ontwerp specificeert van modellen voor het automatiseren van complexe taken, vooral voor het inzetten van modellen. De GPT is goed voor u om te bespreken hoe u uw model wilt inrichten en hoe de modelimplementatie in productie eruit moet zien.
Over modelstructurering gesproken: GPT is ook geschikt om ons te helpen onze code voor machine learning-modellering te structureren. Een van de beste codeerassistenten die ik heb gevonden is de AutoExpert. Het is een GPT die is ontworpen om u te helpen als een standvastige paarprogrammeurassistent.
De GPT is ontwikkeld met extra mogelijkheden voor het genereren van code, online toegang tot de nieuwste API's en aangepaste opdrachten om uw sessiestatus op te slaan, die u indien nodig voor de latere sessie kunt gebruiken.
Met behulp van deze GPT kunt u de complexe code genereren voor alle doeleinden die u nodig hebt tijdens datawetenschapsactiviteiten. Het biedt u ook de codestructuur en het script waarmee u deze beter kunt uitvoeren.
Laten we verder gaan met het technische coderingsgedeelte en voor het theoretische gedeelte gaan. Zoals we weten, gaan datawetenschapswerken over continu leren, vooral in nieuwe gebruiksscenario's. Met het groeiende onderzoek op het gebied van datawetenschap is het soms moeilijk om het perfecte onderzoek te vinden dat onze gebruiksscenario's zou kunnen helpen. Dit is waar GeleerdeGPT komt binnen.
Deze GPT helpt u bij het vinden van het nieuwste onderzoekspapier voor onze gebruiksscenario's. Vanaf de eenvoudige prompt zou het ons een selectie geven van de nieuwste artikelen die verband houden met het probleem dat we willen oplossen.
De onderstaande tekst is bijvoorbeeld het resultaat van ScholarGPT, waar ik onze dataset heb geüpload, en ik heb hen gevraagd mij een onderzoekspaper te bezorgen over het voorspellen van klantverloop.
Titel: “Transparantie in besluitvorming: de rol van uitlegbare AI (XAI) in de analyse van klantverloop”
- Auteurs: C ÖZKURT
- Jaar: 2024
- Samenvatting: Deze studie richt zich op het voorspellen van verloren klanten en het uitleggen van de redenen daarvoor met behulp van machinaal leren, waarbij specifiek het klantenverloop in de telecommunicatiesector onder de loep wordt genomen door middel van rigoureuze analyses.
- Link: De krant lezen?bron?.
De ScholarGPT biedt nog veel meer onderzoekspapers waaruit u kunt kiezen, zodat u kunt selecteren welke van toepassing is op uw gebruiksscenario's.
De volgende GPT die we zouden bespreken is de Grillig diagram. Bij veel data science-activiteiten gaat het niet altijd om onderzoek en modelontwikkeling. Het komt vaak voor dat we onze workflow moeten visualiseren en moeten uitleggen hoe ons werk eruit zou zien. Dit is waar Whimsical Diagrams GPT u zou kunnen helpen.
Deze GPT is ontworpen om concepten uit te leggen en te visualiseren met stroomdiagrammen, mindmaps en reeksdiagrammen. Als we de prompt en de gegevensbron waarover we beschikken, kunnen we visualisaties leveren die ons werk ten goede kunnen komen.
Ik vroeg het model bijvoorbeeld om mij een suggestiediagram uit de Churn-dataset te geven, en het stelde voor om het verloop te visualiseren aan de hand van de functies. Hieronder ziet u het afbeeldingsresultaat.
Verloop op basis van de kenmerken (afbeelding gegenereerd door Whimsical Diagram GPT)
U kunt verder met de GPT overleggen om uw perfecte diagramworkflow voor de datawetenschap te vinden.
De laatste is de Canva GPT, die ons kunnen helpen bij het communiceren van onze resultaten. Zoals we weten is Canva een serviceplatform dat helpt bij het ontwerpen van alles, van logo's tot profielfoto's, banners en presentaties. Met de Canva GPT kunnen ze ons helpen het beste ontwerp voor onze analyse te krijgen.
Bij datawetenschap gaat het erom onze resultaten aan anderen te communiceren, dus het is essentieel om geldige resultaten te hebben die worden gepresenteerd op een manier die het publiek zou begrijpen. Met Canva GPT kunnen we om suggesties vragen over welk ontwerp geschikt is. Ik heb het model bijvoorbeeld gevraagd een ontwerp te maken dat perfect is voor het presenteren van de Churn-statistieken.
Ontwerpselectie voor churnstatistieken (Canva GPT)
De GPT zou ons de ontwerpopties geven, en we zouden kunnen kiezen welke we verkiezen of extra aanwijzingen geven om andere ontwerpen te krijgen.
In dit artikel worden zeven aangepaste GPT's besproken die beschikbaar zijn in de GPTs Store en die onze data science-workflow kunnen verbeteren; zij zijn:
- Data-analist door ChatGPT
- Machine learning door Maryam Eskandari
- Machine Learning Engineer van Hustle Playground
- AutoExpert (ontwikkelaar) door llmimagineers.com
- ScholarGPT door awesomegpts.ai
- Grillige diagrammen door whimsical.com
- Canva van canva.com
Ik hoop dat het helpt! Heeft u GPT-suggesties die op deze lijst zouden moeten staan? Geef ze ook in de reacties.
Cornellius Yudha Wijaya is een data science assistent-manager en dataschrijver. Terwijl hij fulltime bij Allianz Indonesia werkt, deelt hij graag Python- en Data-tips via sociale media en schrijvende media.
- Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
- PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
- PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
- PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
- Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
- Bron: 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
