آیا عامل جدید علوم داده Gemini مفید است؟ این حقیقت است


نویسنده (ها): جان لوون ، دکترا

در ابتدا منتشر شده در به سمت هوش مصنوعیبشر

آزمایش ایجاد و توزیع کد پایتون در Google Colab

در Google Colab، جمینی این امکان را فراهم می کند که از یک دستورالعمل متن ساده به یک نوت بوک کاربردی و چند مرحله ای-بدون ابزار سوئیچینگ بروید.

به عبارت دیگر ، اکنون می توانید یک نوت بوک Jupyter را برای نوشتن خود بسازید.

این شامل گردش کار کامل خواندن است مجموعه داده، تمیز کردن آن ، فیلتر کردن بر اساس سال و ایجاد تجسم داده های تعاملی با استفاده از نقشه (به عنوان مثال ، نقشه کروپلت).

و حتی بهتر ، می توانید نوت بوک را از Google Colab مستقیماً در یک مخزن Github کپی کنید.

به اثبات این امر نیاز دارید؟ بیایید با استفاده از یک مجموعه داده از نمرات شادی جهان برای نشان دادن سهولت در این کار.

یک مجموعه داده بارگذاری شده و یک سریع می تواند همه چیز را ایجاد کند: منطق بارگذاری پرونده ، بازرسی داده ها ، فیلتر و تجسم داده ها.

کل فرآیند در یک نوت بوک منفرد با پیکربندی صفر و حداقل کدگذاری دستی انجام می شود.

شما سریع را می نویسید ، جمینی نوت بوک را می نویسد – در اینجا نحوه عملکرد آن آورده شده است.

برای شروع کار ، تمام آنچه شما نیاز دارید یک حساب Google است و می توانید از Google Colab به صورت رایگان استفاده کنید.

Google Colab بستر ابری Google برای نوشتن و اجرای کد پایتون است. برای علم داده و یادگیری ماشین وظایف – و یکپارچه با جمینی برای نوشتن کد برای شما ادغام می شود!

برای دسترسی به COLAB ، می توانید تایپ کنید: وبلاگ کامل را به صورت رایگان در رسانه بخوانیدبشر

منتشر شده از طریق به سمت هوش مصنوعی



منبع: https://towardsai.net/p/data-analysis/is-geminis-new-data-science-agent-useful-heres-the-truth

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *