Как вы можете использовать GPT-4 для повышения своей производительности.
GPT-4 изменил мой способ работы, фактически удвоив мою производительность за счет устранения необходимости в низкоуровневом проектировании и программировании.
GPT-4 создала новый «цифровой разрыв» в компьютерном программировании, отделив тех, кто использует его возможности, от тех, кто не знает или не может их использовать.
GPT-4 может писать код Python. И не просто любой код — он способен генерировать скрипты Python, которые являются чистыми, эффективными и, что наиболее важно, пригодными для использования.
Теперь давайте рассмотрим типичный рабочий процесс обработки данных с помощью GPT-4, чтобы узнать, как вы можете удвоить свою производительность.
1. Поиск набора данных
Во-первых, нам нужен набор данных. Допустим, нам нужны данные о глобальном изменении климата. Мы спрашиваем GPT-4, и он указывает нам на наборы данных НАСА о глобальном изменении климата. Очень просто!
prompt = "Find a publicly available dataset on global climate change." response = gpt4.generate(prompt) print(response)
Ответ GPT-4: Доклад NASA Global Climate Change: Vital Signs of the Planet предоставляет общедоступные наборы данных. Вы можете получить доступ к данным на https://climate.nasa.gov/vital-signs/'
И затем, получите это, с плагинами OpenAI, в частности с плагином «Link Reader», вы можете попросить GPT-4 предоставить вам подробную информацию о наборе данных с предложенного веб-сайта.
Плагин Link Reader для GPT-4 теперь может читать содержимое веб-сайта в реальном времени.
Эта новая разработка в GPT-4,возможность доступа к данным в реальном времени, определенно произвела революцию в том, как мы взаимодействуем с ИИ, расширив возможности обработки данных в реальном времени. Приложения.
2. Очистка набора данных
С GPT-4 вы просто говорите ему, что хотите, указываете на набор данных, и он генерирует код Python для доступа и управления набором данных для вас.
Более того, вы можете попросить GPT-4 создать код Python, чтобы сгенерировать запрос OpenAI на создание кода Python.
Подождите, что?? Это головокружительно.
Вот пример того, как это работает:
Во-первых, нам нужно импортировать необходимые библиотеки:
import openai import pandas as pd import plotly.express as px
Затем мы можем использовать GPT-4 для создания нашего набора данных и кода:
prompt = "Create a pandas DataFrame with columns 'Date', 'Sales', and 'Category'. Then, create an interactive scatter plot using Plotly in Python. The x-axis should represent 'Date', the y-axis should represent 'Sales', and each color should represent a different 'Category'." response = openai.GPT4.generate(prompt) print(response)
Ответ GPT-4:
# Create a pandas DataFrame
data = {
'Date': pd.date_range(start='1/1/2020', periods=100),
'Sales': np.random.randint(100, 1000, size=100),
'Category': np.random.choice(['A', 'B', 'C'], size=100)
}
df = pd.DataFrame(data)
# Create an interactive scatter plot using Plotly
fig = px.scatter(df, x='Date', y='Sales', color='Category')
fig.show()
Это всего лишь простой пример, но он иллюстрирует мощь GPT-4 в создании кода Python и создании наборов данных для визуализации данных.
И если у нас уже есть набор данных, мы можем сообщить об этом GPT-4, и он напишет код для доступа к набору данных и поместит его во фрейм данных.
Супер классно.
И если нам нужно очистить наш набор данных, мы просим GPT-4 написать функцию Python для удаления нулевых значений из фрейма данных pandas. И вот так у нас есть чистый набор данных, готовый к работе!
prompt = "Write a Python function to clean a pandas DataFrame by removing null values." response = gpt4.generate(prompt) print(response)
Ответ GPT-4:
def clean_dataframe(df):
"""
This function takes a pandas DataFrame, df, and removes all rows with null values.
"""
df_clean = df.dropna()
return df_clean
GPT-4 может помочь сгенерировать код для всех стандартных методов и приемов очистки данных.
На самом деле я написал статью об этом ЗДЕСЬ.
Это такая ОГРОМНАЯ экономия времени.
3. Создание визуализации графических данных
Теперь самое интересное — создание визуализации данных. Мы просим GPT-4 создать график рассеяния Plotly с годами по оси x и глобальными температурными аномалиями по оси y. Вот и все — красивая интерактивная точечная диаграмма!
prompt = "Create a Plotly scatter plot in Python. The x-axis should represent years, and the y-axis should represent global temperature anomalies." response = gpt4.generate(prompt) print(response)
Ответ GPT-4:
import plotly.express as px # Assuming 'df' is your DataFrame and it includes a 'Year' column and a 'Temperature_Anomaly' column fig = px.scatter(df, x='Year', y='Temperature_Anomaly') fig.show()
Теперь, если мы хотим создать несколько визуализаций, чтобы дать нам разные углы и точки зрения на наш набор данных, тогда:
Мы можем запрашивать GPT-4 последовательно для каждой визуализации данных.
Затем следующий шаг — собрать их все вместе на панели инструментов. Именно здесь я считаю, что GPT-4 позволяет значительно сэкономить время.
4. Создание панели инструментов Plotly
Эй, пока мы этим занимаемся, почему бы не создать информационную панель! Мы можем попросить GPT-4 создать простую панель инструментов Plotly с двумя точечными диаграммами. И, как по волшебству, у нас есть потрясающая интерактивная панель инструментов!
prompt = "Create a simple Plotly dashboard in Python with two scatter plots." response = gpt4.generate(prompt) print(response)
Ответ GPT-4:
import plotly.graph_objects as go
from plotly.subplots import make_subplots
# Assuming 'df' is your DataFrame and it includes 'Year', 'Temperature_Anomaly', and 'CO2_Emissions' columns
fig = make_subplots(rows=2, cols=1)
fig.add_trace(
go.Scatter(x=df['Year'], y=df['Temperature_Anomaly']),
row=1, col=1
)
fig.add_trace(
go.Scatter(x=df['Year'], y=df['CO2_Emissions']),
row=2, col=1
)
fig.show()
Теперь, если вы подходите к этому процессу с модульным мышлением, GPT-4 может собрать код для вас быстро и без ошибок.
Ключ в модульности — я спросил все в одном запросе, и GPT-4 дал мне отказ от ответственности, что «это очень сложная проблема с несколькими возможными решениями», а затем с треском провалился при создании одного.
Влияние на мой рабочий процесс
Итак, в чем же дело? Вот как GPT-4 улучшает мой (и, возможно, ваш) рабочий процесс:
- Эффективность.GPT-4 ускорил мой процесс написания кода. Мне больше не нужно писать каждую строчку кода с нуля. GPT-4 делает это за меня!
- Меньше ошибок. GPT-4 следует передовым методам написания кода и создает чистый и эффективный код. Это означает меньше ошибок и меньше отладки для меня.
- Больше творчества.Благодаря GPT-4, занимающемуся кодированием, я могу сосредоточиться на забавных вещах — разработке классных визуализаций и извлечении уникальных идей из данных.
- Мышление более высокого уровня. Я больше не зацикливаюсь на уровне поиска синтаксиса фрейма данных и нахожу правильный тип и последовательность параметров библиотечного метода. Я трачу больше времени на размышления о том, как я хочу структурировать и отображать выходные данные. Это прекрасное место.
В итоге…
По мере развития GPT-4 в следующих итерациях мы можем ожидать более сложных возможностей генерации кода.
Изменения могут быть пугающими, особенно когда речь идет о такой мощной новой технологии, как GPT-4. Но поверьте мне, принятие этого изменения того стоит. Интегрировав GPT-4 в свой рабочий процесс кодирования, я смог работать более эффективно, делать меньше ошибок, проявлять больше творчества и многому научиться.
Итак, если вы хотите встряхнуть свой рабочий процесс кодирования, потратьте 20 долларов и протестируйте GPT — посмотрите, как это работает. Это меняет правила игры для кодирования и визуализации данных, и мне не терпится увидеть, как он продолжает формировать будущее науки о данных.
PS. OpenAI не платила автору за продажу своего продукта.
Удачных подсказок и кодирования (и подсказок и кодирования…)!
Прежде чем вы уйдете…Если вы хотите начать писать на Medium самостоятельно и пассивно зарабатывать деньги, вам нужно всего лишь членство за 5 долларов в месяц. Если вы зарегистрируетесь по моей ссылке, вы поддержите меня частью вашего членского взноса без дополнительных затрат.
Если вам интересно, вот ссылка на другие статьи, которые я написал. Есть статьи о Python, генеративном ИИ, жизни экспатов, обучении марафону, путешествиях и многом другом!
Бесплатная шпаргалка по ChatGPT от Artificial Corner
Мы предлагаем нашим читателям бесплатную шпаргалку. Подпишитесь на нашу рассылку с более чем 20 000 человек и получите нашу бесплатную памятку по ChatGPT.
