نوتیبل: پلاگین چت‌جی‌پی‌تی که تجزیه‌و‌تحلیل داده‌ها را خودکار می‌کند

منتشر شده در artificialcorner به تاریخ ۳۱ می ۲۰۲۳
لینک منبع Noteable: The ChatGPT Plugin That Automates Data Analysis

چت جی‌پی‌تی تجزیه‌و‌تحلیل داده‌ها را با کمک یک افزونه جدید به سطح بالاتری (دوباره) رسانده است. و نه، من به مفسر کد اشاره نمی‌کنم، که هنوز برای همه مشترکین چت جی‌پی‌تی Plusدر دسترس نیست، بلکه به پلاگین جدیدی به نام Noteable اشاره می‌کنم.

افزونه Noteable یک افزونه چت جی‌پی‌تی جدید است که در فروشگاه افزونه‌ها موجود است که به ما کمک می‌کند تجزیه‌و‌تحلیل داده‌ها را در چند ثانیه انجام دهیم! برای شروع کار با این افزونه فقط باید از دستوری که در این مقاله به شما نشان خواهم داد استفاده کنید.

در اینجا آمده است که چگونه Noteable می‌تواند به شما در خودکارسازی تجزیه‌وتحلیل داده‌ها کمک کند.

راه اندازی Noteable

ابتدا باید Noteable را نصب کنیم. برای انجام این کار، به فروشگاه افزونه بروید و Noteable را جستجو کنید. هنگامی که آن را پیدا کردید، فقط روی install کلیک کنید!

پس از نصب Noteable، پنجره زیر باز می‌شود. قبل از شروع کار با این افزونه باید یک حساب کاربری ایجاد کنید.

چرا به یک حساب کاربری نیاز داریم؟ خب، چت جی‌پی‌تی تجسم‌ها و تحلیل‌هایی را که ما درخواست می‌کنیم نمایش می‌دهد، اما همه کدها فقط در قالب نوت‌بوک در Noteable در دسترس خواهند بود. علاوه بر این، برای کار با افزونه باید یک پروژه در Noteable ایجاد کنیم.

پس از ورود به سیستم، فضایی مانند تصویر زیر را با یک پروژه پیش‌فرض به نام «پروژه اول من» مشاهده خواهید کرد. روی آن پروژه کلیک کنید یا یکی از ابتدا ایجاد کنید.

هنگامی‌که در پروژه‌ای هستید، لینک را کپی کنید. ما از آن لینک در بخش بعدی استفاده خواهیم کرد. فرمت لینک باید مانند شکل زیر باشد.

https://app.noteable.io/p/<project_id>/<project_name>

درخواست برای استفاده

اکنون زمان آن است که به Noteable اجازه دهیم تجزیه‌وتحلیل داده‌ها را برای ما انجام دهد! در اینجا دستوری است که ما از آن استفاده خواهیم کرد.

Load this dataset: <link of the dataset>

Use this as my default project: <link of the project>

Act as a data scientist and analyze ...

همانطور که می‌بینید، ما فقط باید پیوند داده و پروژه خود را ارائه دهیم. تقریباً همین است!

همه‌چیز با دستورالعمل‌ها کمی پیچیده‌تر می‌شود. می‌توانید به Noteableاجازه دهید تحلیلی عمومی اما سریع انجام دهد یا می‌توانید آنچه را که می‌خواهید در اعلان دریافت کنید مشخص کنید. بیایید نگاهی بیندازیم.

۱. تجزیه‌وتحلیل سریع داده‌ها با Noteable

ابتدا، به Noteable اجازه می‌دهیم تا تجزیه‌وتحلیل داده‌ها را به تنهایی انجام دهد، بدون اینکه جزئیات زیادی در مورد جنبه‌هایی که می‌خواهیم تمرکز کنیم، انجام دهد.

بیایید تجزیه‌وتحلیل داده‌ها را برای یک مجموعه داده با داده‌های جمعیت از سال ۱۹۵۵ تا ۲۰۲۰ برای همه کشورهای سراسر جهان خودکار کنیم.

این مجموعه داده را بارگیری کنید: https://github.com/ifrankandrade/python-course-for-excel-users/blob/main/4.Data%20Visualization/population_total.csv

از این به‌عنوان پروژه پیش‌فرض من استفاده کنید: <link of the project>

به‌عنوان یک دانشمند داده عمل کنید و مجموعه داده را تجزیه‌وتحلیل کنید و نمودارها را برای نشان دادن روندهای اصلی رشد جمعیت در سراسر جهان بسازید.

در اینجا مروری بر مجموعه داده‌هایی است که Noteable ارائه می‌دهد.

سپس به‌طور خودکار بر روی ۵ کشور پرجمعیت در سال ۲۰۲۰ تمرکز می‌کند و یک طرح خطی برای نشان دادن رشد جمعیت از سال ۱۹۵۵ تا ۲۰۲۰ ایجاد می‌‌کند.

در نهایت، نکاتی را برای تکمیل تجزیه‌وتحلیل اضافه می‌کند. خیلی خوب!

۲. تجزیه‌وتحلیل داده‌های سفارشی با Noteable

اکنون به چت جی‌پی‌تی و Noteable می‌گوییم که چه نوع تحلیلی را می‌خواهیم انجام دهیم. برای این مثال، از مجموعه داده‌ای استفاده می‌کنیم که حاوی اطلاعاتی درباره بازیکنان فوتبال از بازی FIFA 20 است. تجسم‌هایی را که می‌خواهیم دریافت کنیم و ستون‌هایی را که می‌خواهیم استفاده کنیم را در اعلان زیر مشخص می‌کنیم.

این مجموعه داده را بارگیری کنید: https://raw.githubusercontent.com/ifrankandrade/data-visualization/main/datasets/players_20.csv

از این به‌عنوان پروژه پیش فرض من استفاده کنید: <link of the project>

به‌عنوان یک دانشمند داده عمل کنید و بازیکنان فوتبال را فقط از کشورهای ایالات متحده، کانادا، انگلستان، برزیل و آرژانتین تجزیه‌وتحلیل کنید. یک بار پلات برای تجزیه‌وتحلیل ستون «کلی» بسازید که نشان می‌دهد یک بازیکن چقدر در فوتبال خوب است. برای بررسی میانگین قد بازیکنان در چنین کشورهایی، یک هیستوگرام و یک نمودار جعبه بسازید. یک نمودار پراکنده ایجاد کنید تا ببینید وزن بازیکنان چگونه توزیع می‌شود. در نهایت، نموداری ایجاد کنید تا ۱۰ بازیکن برتر (value_eur) از ایالات متحده را ببینید.

نتیجه واقعا شگفت‌انگیز است! چت جی‌پی‌تی و Noteableتمام جزئیاتی را که ذکر کردم در نظر می‌گیرند.

من خودم این تجزیه‌وتحلیل داده‌ها را انجام دادم (زمانی که چت جی‌پی‌تی حتی وجود نداشت) و آن را در یک مقاله منتشر کردم. نتیجه یکسان است!

آخرین مورد اما نه کم اهمیت‌ترین، شما می‌توانید به کد تولید شده از طریق وب‌سایت Noteableدسترسی داشته باشید.

۳. بارگذاری مجموعه داده‌های متعدد و تجزیه‌وتحلیل آن‌ها با Noteable

من چندین مجموعه داده را بارگذاری کردم و به Noteable در مورد نحوه کار با آن‌ها آموزش دادم. نتیجه به خوبی آزمایش‌های قبلی بود!

در اعلان زیر، من ۵ مجموعه داده از بازی FIFA را برای سال‌های ۲۰۱۷، ۲۰۱۸، ۲۰۱۹، ۲۰۲۰ و ۲۰۲۱ بارگذاری می‌کنم تا سیر تکامل رتبه‌بندی فیفا (ستون «کلی») را برای بازیکنانی مانند مسی و کریستیانو رونالدو ببینم.

این ۵ مجموعه داده را بارگیری کنید:

- https://raw.githubusercontent.com/ifrankandrade/data-visualization/main/datasets/players_17.csv

- https://raw.githubusercontent.com/ifrankandrade/data-visualization/main/datasets/players_18.csv

- https://raw.githubusercontent.com/ifrankandrade/data-visualization/main/datasets/players_19.csv

- https://raw.githubusercontent.com/ifrankandrade/data-visualization/main/datasets/players_20.csv

- https://raw.githubusercontent.com/ifrankandrade/data-visualization/main/datasets/players_21.csv

از این به‌عنوان پروژه پیش‌فرض من استفاده کنید: <link of the project>

به‌عنوان یک دانشمند داده عمل کنید و 5 مجموعه داده ارائه شده را بارگذاری کنید. هر مجموعه داده نشان‌دهنده رتبه‌بندی بازی FIFA برای سال‌های ۲۰۱۷، ۲۰۱۸، ۲۰۱۹، ۲۰۲۰ و ۲۰۲۱ است. پس از بارگیری هر مجموعه داده، یک ستون جدید «سال‌ها» با سال مجموعه داده ایجاد کنید. تکامل "کلی" بازیکنان ال. مسی، کریستیانو رونالدو، کی. دی بروین، وی. ون دایک و کی. امباپه را از سال ۲۰۱۷ تا ۲۰۲۱ با استفاده از طرح خطی تجزیه‌وتحلیل کنید. ستون «کلی» نشان می‌دهد که یک بازیکن چقدر در فوتبال خوب است.

این چیزی است که من دریافت کردم.

حیرت‌آور است! همان چیزی که در تحلیلی که در این مقاله منتشر کردم به دست آوردم.

خودشه! اکنون نوبت شماست که تجزیه‌وتحلیل داده‌های خود را با Noteableبه صورت خودکار انجام دهید!

این متن با استفاده از ربات ترجمه مقالات علم داده ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است. در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.