加速你对数据分析的掌握,借助ChatGPT的强大功能。不论你是数据分析新手,还是想更快完成更多工作且更高效的专业人士,《使用生成式AI和Python入门数据分析》将帮助你简化和加速数据分析过程!这本书由两位世界级的数据科学家和一位经验丰富的风险经理撰写,专注于日常实际分析任务。在《使用生成式AI和Python入门数据分析》一书中,你将学习如何:

  • 编写出色的ChatGPT提示词
  • 执行端到端的描述性分析
  • 设置适合AI的数据分析环境
  • 评估数据质量
  • 制定战略性分析计划
  • 生成代码以分析非文本数据
  • 直接使用ChatGPT探索文本数据
  • 准备可靠的报告 《使用生成式AI和Python入门数据分析》将教你如何提高编码效率,产生新的分析方法,并微调数据管道——在ChatGPT等AI工具的协助下。对于数据分析流程的每一步,你都会发现如何从简单的自然语言提示出发,应用数据技术。同时,你将发展出一种直觉,以应对这些工具仍然存在的风险和错误。购买纸质书籍还可从Manning Publications免费获得PDF和ePub格式的电子书。

关于技术

如果你具备数据分析的基本知识,本书将展示如何利用ChatGPT加速日常的核心数据分析工作。速度提升是显著的:作者报告称,完成任务的时间仅为过去的三分之一甚至四分之一。

关于本书

本书提供了适用于工作中的可靠、实用的建议。它能帮助你更好地探索问题,生成新颖的分析方法,并微调数据管道——同时帮助你培养一种理解AI工具可能带来的风险和错误的直觉。最终,你能够完成更多工作,效率更高,结果更佳,轻松应对。本书假设你已经掌握了基本的知识,并将指导你完成整个分析过程——从收集和准备原始数据、数据清理、生成基于代码的解决方案、选择统计工具,到最终创建有效的数据展示。清晰的提示帮助你提取、解读并展示数据,将你的技能提升到一个全新的水平。

内容提要

  • 编写出色的ChatGPT提示词
  • 执行端到端的描述性分析
  • 设置适合AI的数据分析环境
  • 评估数据质量
  • 制定战略性分析计划
  • 生成代码以分析非文本数据
  • 直接使用ChatGPT探索文本数据
  • 准备可靠的报告

关于作者

Artur Guja、Dr. Marlena Siwiak和Dr. Marian Siwiak是具有商业、科研和金融背景的经验丰富的数据科学家。本书的技术编辑为Mike Jensen。

目录

  1. 数据分析中生成式AI的使用简介
  2. 利用生成式AI确保数据质量
  3. 在生成式AI支持下进行描述性分析与统计推断
  4. 使用生成式AI解读结果
  5. 使用生成式AI进行基础文本挖掘
  6. 使用生成式AI进行高级文本挖掘
  7. 扩展与性能优化
  8. 风险、缓解和权衡 附录A 向ChatGPT v4指定多个DataFrames 附录B ChatGPT代码调试指南 附录C 懒惰与人类错误

关于作者

Artur Guja是一位风险经理、计算机科学家、系统开发人员和金融市场专家,在银行业拥有超过20年的经验,致力于在IT、风险管理和金融产品交易领域提供安全且实用的解决方案。Dr. Marlena Siwiak是一位经验丰富的数据科学家和生物信息学家,具备广泛的科学背景,并在开发商业数据应用方面积累了丰富经验,既能驾驭数据又能驾驭文字。Dr. Marian Siwiak是一位数据科学家,凭借数据知识和管理经验,成功交付了涵盖生命科学、机器人等多领域的数百万规模的IT、科学和技术项目。

成为VIP会员查看完整内容
37

相关内容

书籍在狭义上的理解是带有文字和图像的纸张的集合。广义的书则是一切传播信息的媒体。
【新书】使用Altair和人工智能进行数据讲述
专知会员服务
36+阅读 · 9月18日
【新书】生成人工智能实战,466页pdf
专知会员服务
80+阅读 · 9月12日
【新书】深入理解数据结构,282页pdf
专知会员服务
49+阅读 · 8月21日
【2024新书】分布式机器学习模式
专知会员服务
82+阅读 · 1月24日
【干货书】深度学习数学:理解神经网络,347页pdf
专知会员服务
262+阅读 · 2022年7月3日
【干货书】数据科学手册,456页pdf
专知
12+阅读 · 2021年4月28日
国家自然科学基金
12+阅读 · 2016年12月31日
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
Arxiv
153+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
392+阅读 · 2023年3月31日
Arxiv
65+阅读 · 2023年3月26日
Arxiv
135+阅读 · 2023年3月24日
Arxiv
19+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
12+阅读 · 2016年12月31日
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员