使用生成式人工智能自动化数据科学任务

MP4 |视频：h264，1280×720 |音频：AAC、44.1 KHz、2 Ch
级别：中级 |类型： 电子学习 |语言： 英文+字幕 |时长：28m

你将学到什么

重复性、多步骤的任务是现实世界数据科学工作的一个持续组成部分。清理数据集、生成探索性摘要、调整模型和连接结果可能会消耗宝贵的时间——即使对于经验丰富的从业者来说也是如此。生成式 AI 提供了一种实用的方法，可以在经过深思熟虑且有明确的防护措施的情况下实现大部分工作的自动化。
在本课程中，通过生成式 AI 自动执行数据科学任务，您将能够使用 Python 生成式 AI 来简化和编排常见的数据科学工作流程。
首先，您将探索如何通过链接提示来处理数据清理、验证和探索性数据分析 (EDA)，从而自动执行重复性和多步骤的任务。您将了解生成式 AI 如何生成基于 pandas 的代码来清理混乱的数据集、总结关键统计数据并发现潜在的数据质量问题，同时您仍能控制流程。
接下来，您将发现生成式 AI 如何支持建模工作流程。这包括生成基线管道、协助超参数调整和交叉验证以及总结模型性能。您还将了解 AI 如何使用 Auto-sklearn 或 PyCaret 等库遵循常见的 AutoML 模式，而无需了解每个配置细节的深厚专业知识。
最后，您将了解 AI 代理如何实现更高级的自动化策略。您将定义 AI 代理与单一提示的不同之处，并探索 LangChain 和 CrewAI 等框架如何将生成式 AI 与 API、数据库和笔记本连接起来，以实现端到端工作流程的自动化。同样重要的是，您将评估基于代理的方法何时有意义，以及何时更简单的自动化是更好的选择。
完成本课程后，您将拥有生成式 AI 驱动的自动化所需的技能和知识，以简化重复的数据科学任务、将多步骤工作流程链接在一起、协助模型调整和 AutoML 管道，以及设计可在自己的项目中应用的实用的基于代理的解决方案。