【新书】使用大型语言模型进行数据分析：文本、表格、图像与音频

使用大型语言模型进行数据分析：文本、表格、图像与音频

借助 ChatGPT 以及来自 Anthropic、Cohere、OpenAI、Google、Hugging Face 等公司的大型语言模型（LLMs），加速常见的数据科学任务！《使用 LLMs 进行数据分析》教你如何利用新一代 AI 助手和大型语言模型辅助并加速日常的数据科学流程。你将学会如何使用 LLMs 来： * 分析文本、表格、图像和音频文件 * 从多模态数据湖中提取信息 * 对多模态数据进行分类、聚类、转换与查询 * 构建基于自然语言的查询接口，实现对结构化数据的访问 * 使用 LangChain 构建复杂的数据分析流水线 * 掌握提示工程（Prompt Engineering）与模型配置技巧

这本实用指南将带你从第一个提示词出发，一步步掌握高级技术，如构建基于 LLM 的数据分析智能体，甚至微调现有模型。你将学会提取数据、搭建自然语言查询接口，乃至更多强大能力。购买纸质书可免费获得 Manning Publications 提供的 PDF 和 ePub 电子书格式。

关于技术

大型语言模型（LLMs）可以简化并加速几乎所有数据科学任务。掌握本书中的方法后，你将能通过清晰的自然语言提示词和少量 Python 代码，分析大量文本、表格、图形数据、图像、视频等内容。

关于本书

《使用 LLMs 进行数据分析》将手把手教你如何将生成式 AI 融入数据科学日常工作。康奈尔大学的 Immanuel Trummer 教授将通过一系列实战项目，引导你使用 OpenAI 的 Python 库、LangChain、LlamaIndex 以及来自 Anthropic、Cohere、Hugging Face 的 LLM 模型。你将使用 AI 查询结构化与非结构化数据，分析音频与图像内容，并优化数据分析的成本与质量。

本书内容包括：

多模态数据的分类、聚类、转换与查询 * 构建自然语言查询接口，实现对结构化数据的访问 * 创建基于 LLM 的自动化数据分析智能体 * 提示词工程与模型配置策略

适读人群

本书适合已掌握 Python 基础的数据科学家与数据分析师阅读。

关于作者

Immanuel Trummer 是康奈尔大学计算机科学的副教授，也是康奈尔数据库研究组（Cornell Database Group）的负责人。他的研究成果曾入选 “Best of VLDB”、“Best of SIGMOD”，获得 ACM SIGMOD Research Highlight 奖，并作为 CACM Research Highlight 发表在《通讯协会》（CACM）上。他在 YouTube 上开设的数据管理课程已突破百万观看量。近年来，他所在研究组在将大型语言模型应用于数据科学方面成果斐然，发表了大量具有影响力的研究。

第一部分

1 使用大型语言模型进行数据分析 2 与 ChatGPT 对话 第二部分

3 OpenAI 的 Python 库 4 文本数据分析 5 结构化数据分析 6 图像与视频分析 7 音频数据分析 第三部分

8 GPT 模型的替代方案 9 成本与质量优化 10 软件框架综述