Come utilizzare ChatGPT per imparare la scienza dei dati più velocemente, anche se sei già avanzato

Utilizza ChatGPT per imparare la scienza dei dati in modo più rapido, anche se sei già esperto.

Discutere la rilevanza della scienza dei dati nel futuro guidato dall’IA e fornire una guida passo-passo su come imparare la scienza dei dati in modo efficiente sfruttando gli strumenti dell’IA

Indice

• La scienza dei dati sarà ancora rilevante?

• Perché dovresti utilizzare l’IA per imparare la scienza dei dati?

• Come effettivamente imparare la scienza dei dati con l’IA

1. Passo 1: Sviluppa una roadmap
2. Passo 2: Progetta ChatGPT come mio tutor
3. Passo 3: Sviluppa un piano di studio
4. Passo 4: Prova strumenti avanzati come AutoGPT
5. Passo 5: Svolgi progetti
6. Guida introduttiva a un progetto
7. Guida avanzata a un progetto per esperti

• Conclusioni

• Incontra ToolQA Un nuovo dataset che valuta la capacità dei grandi modelli di linguaggio (LLM) di utilizzare strumenti esterni per rispondere alle domande.
• Come costruire una piattaforma di analisi semi-strutturata in streaming su Snowflake
• Conquistare i tentativi in Python utilizzando Tenacity un tutorial completo

Tutto è cambiato in breve tempo. Gli strumenti dell’IA, come ChatGPT e GPT-4, stanno prendendo il sopravvento e stanno cambiando completamente sia l’istruzione che il panorama dell’apprendimento delle competenze tecniche. Ho sentito la necessità di scrivere questo articolo per affrontare alcune questioni importanti:

1. Nella nuova era dell’intelligenza artificiale, è ancora importante imparare la scienza dei dati?
2. In tal caso, qual è il modo migliore per imparare queste competenze sfruttando le nuove tecnologie disponibili? E come farei se dovessi ricominciare da capo, proprio adesso?
3. Come si prospetta il futuro della scienza dei dati?

La scienza dei dati sarà ancora rilevante?

Con l’evoluzione dell’IA, i data scientist diventeranno obsoleti o il loro ruolo sarà ancora più cruciale che mai?

Dal mio punto di vista personale, ritengo ancora di apportare un valore aggiunto ai miei clienti rispetto all’IA e sono riuscito ad aumentare (almeno) del doppio la mia produttività lavorando con questi nuovi strumenti disponibili. Al momento, non penso che l’IA mi ruberà il lavoro, ma, realisticamente, il futuro è più incerto che mai.

Prima di preoccuparti della scomparsa dei posti di lavoro, considera il seguente scenario: in un futuro, gestisci un’azienda in cui l’IA svolge il lavoro di analisi per te.

Chi vorresti che gestisse l’IA, la stimolasse e la supervisionasse? Vorresti qualcuno con una formazione in scienza dei dati o ingegneria del software a sorvegliare questi programmi, o preferiresti qualcuno non addestrato?

Credo che la risposta sia piuttosto ovvia. Vorresti qualcuno con esperienza e conoscenza di come lavorare con i dati a gestire questi sistemi di intelligenza artificiale.

A breve termine, questo scenario è sperabilmente ipotetico. Ma mi dà una certa fiducia che alcune competenze di questo tipo abbiano una certa resilienza.

Anche se il panorama cambia in modo che i data scientist facciano meno codifica pratica, ritengo comunque che le competenze che sviluppi imparando questo settore saranno molto utili in un mondo sempre più integrato con l’IA. L’IA si basa sulla scienza dei dati e, a un certo livello, siamo integrati in questo sistema più di altre professioni.

Inoltre, l’IA continua ancora a generare allucinazioni e avremo bisogno di quante più persone possibili con una buona conoscenza per supervisionarlo e agire come un ciclo di feedback.

Anche se sono incerto sul futuro del lavoro dei data scientist, c’è una cosa di cui sono piuttosto sicuro: i dati, l’analisi e l’IA diventeranno una parte ancora più grande delle nostre vite in futuro. Non pensi che le persone che hanno imparato questi settori saranno più predisposte al successo relativo?

Perché dovresti utilizzare l’IA per imparare la scienza dei dati?

Questo articolo terminerebbe qui se non pensassi che vale ancora la pena imparare la scienza dei dati. Per essere chiari, penso ancora che ne valga al 100%. Ma, ad essere sinceri, imparare solo la scienza dei dati non è più sufficiente. Devi imparare anche come utilizzare nuovi strumenti di intelligenza artificiale.

La cosa divertente è che imparare sia la scienza dei dati che questi strumenti di intelligenza artificiale è più facile che imparare solo la scienza dei dati. Lasciatemi spiegare.

Come succede, stai entrando nel momento perfetto per imparare questi due domini insieme.

Se impari la scienza dei dati sfruttando i nuovi strumenti di intelligenza artificiale disponibili, ottieni un duplice vantaggio:

1. Ottieni un’esperienza educativa più personalizzata e iterativa imparando il dominio dei dati con l’aiuto dell’intelligenza artificiale
2. Ottieni anche una formazione avanzata sugli strumenti di intelligenza artificiale contemporaneamente.

Ottieni il doppio dei benefici con circa la metà del lavoro se i miei calcoli sono corretti.

Se l’abilità di utilizzare strumenti di intelligenza artificiale può aiutarti a trovare un lavoro e fare un lavoro migliore, è meglio saperli utilizzare che ignorarli. Negli ultimi tre mesi, ho la sensazione di aver imparato di più sulla scienza dei dati che nei tre anni precedenti combinati. La maggior parte di questo lo attribuisco all’uso di ChatGPT.

Quindi, come si fa? Come si impara effettivamente la scienza dei dati con l’aiuto dell’intelligenza artificiale?

Come Imparare Effettivamente la Scienza dei Dati con l’Intelligenza Artificiale

Ecco esattamente cosa farei se dovessi ricominciare con tutti questi strumenti a mia disposizione.

Passaggio 1: Sviluppare una Strada da Seguire

Svilupperei una strada da seguire. Puoi farlo guardando altri corsi o avendo una conversazione con ChatGPT. Puoi letteralmente chiedergli di creare per te una strada di apprendimento per la scienza dei dati basata sui tuoi obiettivi di apprendimento.

Se non hai obiettivi di apprendimento, puoi anche chiedergli di creare una lista per te e puoi scegliere quelle che ti piacciono.

Se vuoi maggiori informazioni su come sviluppare strade di apprendimento, dai un’occhiata a questo articolo in cui approfondisco l’argomento.

Passaggio 2: Progettare ChatGPT come Mio Tutor

Progetterei ChatGPT come mio tutor. Puoi creare personaggi con GPT-4, che è probabilmente la mia funzione preferita. Puoi usare una frase come questa:

In questo scenario, sei uno dei migliori insegnanti di scienza dei dati al mondo. Per favore, rispondi alle mie domande sulla scienza dei dati in modo da aiutarmi a sviluppare la migliore comprensione del dominio. Per favore, usa molti esempi reali o pratici e proponimi problemi pratici rilevanti lungo il percorso.

Passaggio 3: Sviluppare un Piano di Studio

Sono quasi sicuro di essere di parte, ma penso che i corsi gratuiti o a pagamento, come il mio, siano ancora un’ottima opzione per creare una struttura per l’apprendimento. Mentre segui il piano di studio, puoi chiedere al tuo tutor ChatGPT di darti esempi, approfondire argomenti e proporti problemi pratici.

Passaggio 4: Provare Strumenti Avanzati Come AutoGPT

Se hai già una certa esperienza nel campo dell’intelligenza artificiale, potresti usare uno strumento come AutoGPT per generare un curriculum del corso per te. Potrei provare a farlo e vedere cosa ne viene fuori. Se lo faccio, lo condividerò sul mio GitHub. Ho anche intervistato GPT-4 nel mio podcast dove vado più in profondità su cosa sia GPT-4.

Passaggio 5: Realizzare Progetti

Se ti senti già a tuo agio con la programmazione, potresti passare direttamente a realizzare progetti. Personalmente, ho imparato molto facendo progetti parallelamente a ChatGPT. Ho fatto questo per la sfida Kaggle sull’immobiliare.

Se è il tuo primo progetto, chiedere semplicemente che faccia le cose va bene, ma man mano che progredisci, vuoi essere più intenzionale e interattivo su come lo utilizzi.

Confrontiamo come un principiante rispetto a un professionista avanzato dovrebbe affrontare l’apprendimento su un progetto.

Un esempio di Percorso di Progetto per Principianti

Un esempio di percorso di progetto per principianti potrebbe apparire così:

1. Passi le informazioni su righe e colonne dei dati a ChatGPT
2. Gli chiedi di creare del codice di base per esplorare questi dati per valori nulli, outlier e normalità
3. Gli chiedi quali domande dovresti fare su questi dati
4. Gli chiedi di pulire i dati e costruire il modello per farti una previsione sulla variabile dipendente

Anche se potrebbe sembrare che stia facendo tutto il lavoro per te, devi comunque far funzionare questo progetto nel tuo ambiente. Stai anche sollecitando e risolvendo problemi durante il processo.

Non c’è una garanzia che funzioni come quando copi il progetto di qualcun altro, quindi penso che questo sia un bel compromesso di apprendimento.

Un esempio di Percorso di Progetto per Professionisti Avanzati

Ora, pensiamo a come un professionista più avanzato potrebbe utilizzare questo:

1. Potresti seguire gli stessi passaggi per generare del codice di base, ma questo dovrebbe essere ampliato. Quindi, potresti voler sperimentare con un’esplorazione più pratica dei dati e dei test di ipotesi. Magari, scegli una o due domande che vuoi rispondere con i dati e le statistiche descrittive e inizia ad analizzarli.

2. Per chi ha fatto alcuni progetti, consiglio di generare parte del codice da soli. Diciamo che hai creato un semplice grafico a barre in plotly. Potresti passarlo a ChatGPT e chiedere di riformattarlo, modificare il colore o la scala, ecc.

Facendo ciò, puoi iterare rapidamente sulle visualizzazioni e vedere in tempo reale come diverse modifiche al codice cambiano il grafico. Questo feedback immediato è ottimo per l’apprendimento.

3. Penso anche che sia importante che tu revisioni queste modifiche e veda come sono state fatte. Inoltre, se non capisci qualcosa, chiedi semplicemente a ChatGPT di approfondire ciò che ha fatto.

4. I professionisti più avanzati dovrebbero anche concentrarsi maggiormente sull’ingegneria dei dati e sulle pipeline per la produzione di codice. Queste sono cose con cui devi comunque essere abbastanza pratico. Ho scoperto che ChatGPT è stato in grado di aiutarmi fino a un certo punto, ma ho dovuto risolvere molti problemi di debug da solo.

5. Da qui, potresti voler far eseguire all’IA alcuni algoritmi e fare il tuning dei parametri. Ad essere onesti, penso che questa sarà la parte della scienza dei dati che verrà automatizzata più velocemente. Penso che il tuning dei parametri vedrà rendimenti decrescenti per i professionisti normali, ma forse non per i Kagglers di alto livello.

6. Dovresti concentrare il tuo tempo sull’ingegneria delle caratteristiche e sulla creazione di nuove caratteristiche. Anche questo è qualcosa in cui i modelli di intelligenza artificiale possono aiutare, ma non padroneggiano completamente. Dopo aver ottenuto alcuni modelli decenti, guarda quali dati puoi aggiungere, quali caratteristiche puoi creare o quali trasformazioni puoi fare per aumentare i tuoi risultati.

In un mondo con questi strumenti avanzati di intelligenza artificiale, penso che sia ancora più importante fare progetti che mai. Devi costruire cose e condividere il tuo lavoro. Fortunatamente, con questi strumenti di intelligenza artificiale, è anche più facile che mai farlo. È più facile creare un’app web. È più facile lavorare con nuovi pacchetti con cui non hai mai lavorato prima.

Ti incoraggio vivamente a creare un impatto concreto e cose tangibili nel tuo lavoro di data science. Questa sarà la nuova via per differenziarsi quando gli altri useranno anche questi strumenti per imparare e costruire.

Conclusioni

Il mondo sta cambiando, così come la data science. Sei pronto ad abbracciare la sfida e creare un impatto concreto con i tuoi progetti?

Ne ho accennato in precedenza, ma penso che il modo in cui tutti lavoriamo stia cambiando. Penso che sia un periodo di incertezza per tutti i settori, compresa la data science.

D’altra parte, penso che la data science sia un ottimo mix di competenze tecniche e di risoluzione dei problemi che si adattano bene a quasi tutti i nuovi mondi o settori.

Ho parlato a lungo nel mio podcast di come la data science sia uno dei campi più vicini all’imprenditorialità pura. Penso che, in un mondo cambiato dall’IA, dovremo sfruttare al massimo quell’anima imprenditoriale.

Se hai apprezzato questo articolo, ricordati di seguirmi su Nisoo per altri contenuti simili o di iscriverti tramite email. Puoi inoltre condividere e raccomandare questo articolo alla tua rete interessata alla data science!

Se ti piacciono video divertenti e informativi sulla data science, machine learning e AI, dai un’occhiata al mio canale YouTube, dove fornisco commenti, tutorial e altri video educativi.

Per ricevere aggiornamenti settimanali sulla mia produzione di contenuti e su ulteriori risorse di apprendimento nell’industria della data science, iscriviti alla mia newsletter, il Data Dribble!

Inoltre, considera di supportarmi e migliaia di altri scrittori iscrivendoti a un abbonamento.

Unisciti a Nisoo con il mio link di riferimento – Ken Jee

Come membro di Nisoo, una parte della tua quota di iscrizione va agli scrittori che leggi e hai accesso completo a ogni storia…

Nisoo.com

Fino alla prossima volta, buona fortuna nel tuo percorso di data science!