Zyski:
- Możliwość uzyskania deterministycznych i powtarzalnych wyników poprzez wydrukowanie sztucznej inteligencji kodu tworzącego wykres, a nie obrazu wykresu, i uruchomienie go samodzielnie
- Możliwość sprawdzania wyników wykresów pod kątem danych za pomocą sum kontrolnych wartości, integralności, skali i sumy
- Możliwość narzucania zasad uczciwości (z osi 0, bezpośredniej etykiety, notatki źródłowej) i polegania na kodzie zamiast na werbalnych domysłach
Wybrałeś właściwy typ wykresu; Teraz czas go wyprodukować. Najbardziej niezawodnym zastosowaniem sztucznej inteligencji nie jest proszenie jej o „narysowanie” wykresu, ale wydrukowanie kodu generującego wykres i samodzielne uruchomienie tego kodu. Skąd? Ponieważ model dużego języka to generator tekstu; może werbalnie „odgadnąć” liczbę, ale kod przetwarza dane takimi, jakie są i generuje deterministyczny wynik (zawsze dając ten sam wynik na tym samym wejściu). W tej części dowiemy się, jak wydrukować kod graficzny (głównie Python) do AI i zweryfikować wynik.
Po co kodować, po co uruchamiać?
Zapytaj model językowy „jaka jest całkowita sprzedaż?” Jeśli o to zapytasz, w rzeczywistości nie gromadzi danych; Generuje możliwą liczbę. Ale jeśli wydrukujesz do niego kod agregujący i uruchomisz go, wynik będzie pochodził z rzeczywistych danych. To samo dotyczy wykresu: kod wygenerowany przez model działa na Twoich danych, na Twojej maszynie. Kod jest również powtarzalny: po aktualizacji danych uruchamiasz kod ponownie i odświeżasz wykres.
Wspólne narzędzia: matplotlib i seaborn (fabuła statyczna), plotly (fabuła interaktywna) z językiem Python; także programy arkuszy kalkulacyjnych i narzędzia BI (business intelligence). W tej części podamy przykłady użycia języka Python/matplotlib, ponieważ jest on najczęstszy; Zasada jest taka sama w każdym pojeździe.
Wskazówka: zamiast „daj mi obraz wykresu” powiedz „daj mi kod tworzący wykres, a ja go uruchomię”. W ten sposób wynik pochodzi z rzeczywistych danych i możesz dokonać dowolnej liczby korekt.
Krok po kroku: od kodu do grafiki
- Określ rodzaj grafiki i przekazu (poprzednia jednostka).
- Opisz strukturę danych modelu (nazwy kolumn, typy; dane niewrażliwe).
- Wygeneruj kod, umieść zasady uczciwości w znaku zachęty (od osi 0, znacznika, notatki źródłowej).
- Uruchom kod samodzielnie i spójrz na wykres.
- Sprawdź: Czy wartość na wykresie jest taka sama jak wartość w danych? Czy suma/udział się utrzymuje?
- Ulepsz: Zmień tytuł na tytuł akcji, usuń niepotrzebne, dodaj kolor podświetlenia.
Twoja rola: Asystent wizualizacji danych w Pythonie. Mam plik CSV: kolumny „miesiąc” (RRRR-MM), „kanał” (tekst), „przychody” (liczba). Napisz kod wykresu LINE za pomocą matplotlib:- Każdy kanał jest oddzielną linią, x=miesiąc, y=przyjdź.- Niech oś y zaczyna się od 0 (nie przecinaj).- Umieść etykiety bezpośrednio na końcu linii, osobna legenda nie jest wymagana.- Umieść symbol zastępczy tytułu akcji w tytule.- Dodaj małą notatkę „Źródło: [ ... ]” w prawym dolnym rogu. Spraw, aby kod był kompletny i wykonywalny, napisz także przykładową linię odczytu. DOPASOWANIE NUMERU; odczytaj dane z pliku CSV.
Aby naprawić istniejący wykres:
Napraw ten kod Matplotlib: (1) posortuj słupki według wartości od największej do najmniejszej, (2) zmień tylko najwyższy słupek na pomarańczowy, a resztę na szary, (3) ustaw oś Y na początek od 0, (4) sformatuj ułamki dziesiętne z separatorem tysięcy. Zwróć kod w całości. Kod: […]
W przypadku wykresu interaktywnego (dla dashboardu):
Napisz kod interaktywnego wykresu liniowego za pomocą Plotly z tymi samymi danymi: najechanie myszką pokaże miesiąc i dochód, a kanały można filtrować. Niech oś zacznie się od 0. Podaj pełny kod.
Walidacja: czy wykres jest „poprawny”, a nie „ładny”?
Praca nie kończy się tylko dlatego, że grafika została wydrukowana. Trzy sumy kontrolne:
- Zapewnienie wartości: Sprawdź 2-3 losowe punkty ręcznie/stołem. Czy najwyższy słupek na wykresie jest rzeczywiście najwyższy?
- Weryfikacja sumy/udziału: czy udziały są uzupełnione w 100% na wykresie część-całość?
- Uczciwość wizualna: Czy oś zaczyna się od 0, czy skala jest liniowa, czy jest to ta sama jednostka? (Szczegóły w następnym rozdziale.)
kontrola
Jak dbać
czerwona flaga
Wartość
Porównaj 2-3 punkty z danymi
Dane wykresu nie są zgodne
integralność
Czy brakuje jakichś miesięcy/kategorii?
Luka została po cichu pominięta
skala
Gdzie zaczyna się oś Y
nie 0, różnica jest przesadzona
Razem
Udziały/sumy
Nie trzyma się w 100%
Uwaga: model czasami „uzupełnia” brakujące miesiące w danych lub po cichu odrzuca brakujący wiersz. Sprawdź, czy liczba punktów na wykresie odpowiada liczbie wierszy w danych.
trzy mini etui
Przypadek 1 — przewidywanie pobicia kodu. Analityk najpierw pyta model „ile wynosi całość?” zapytał i otrzymał odpowiedź „≈4,2 miliona”. Następnie wydrukował kod dodawania i uruchomił go: rzeczywista suma wyniosła 3,87 miliona. Werbalne przewidywania okazały się błędne w 8%. Od tego dnia dostawał wszystkie cyfry z kodu.
Przypadek 2 — Cicha brakująca linia. Jeden zespół przygotował wykres miesięczny; wszystko wyglądało dobrze. Dane dotyczące marca były jednak puste, a wykres pominął go i powiązał luty z kwietniem; Wyglądało miękko, bo było modne. Zauważyli liczbę kropek (powinno być 12 zamiast 11) i poprawili ją; Nastąpił skok w stosunku do faktycznego trendu.
Przypadek 3 – Odtwarzalność. Marketer co miesiąc rysował ręcznie wykresy (około 40 minut). Kiedyś zainstalował kod napisany przez sztuczną inteligencję; W kolejnych miesiącach umieszczenie nowego pliku CSV i uruchomienie kodu zajęło 2 minuty. Oszczędność 38 minut miesięcznie i koniec z błędami ręcznego kopiowania.
Słaba zachęta/silna zachęta
Słabe:
Narysuj wykres danych dotyczących sprzedaży.
Model może zmieścić zdjęcie lub podać losowy kod; dane nie są faktycznie przetwarzane, nie ma ustawień uczciwości.
Mocny:
Twoja rola: Pomocnik Pythona/matplotlib. Dane: CSV, kolumny „region” (tekst), „procent_kupu” (liczba, może być ujemna). Napisz kod poziomego wykresu słupkowego: posortuj według wartości, zaznacz najwyższy region, dodaj linię odniesienia y=0 (wyświetl negatywy), umieść etykiety procentowe na końcach słupków. Podaj kod wykonywalny, odczytaj z CSV, dopasuj numer. Umieść symbol zastępczy tytułu akcji.
Drugi obejmuje strukturę danych, zasady uczciwości i zasadę „czytaj z kodu, nie wymyślaj”; Dane wyjściowe są zarówno dokładne, jak i edytowalne.
Wybór narzędzia: kiedy arkusz kalkulacyjny, kiedy kod?
Nie musisz pisać kodu dla każdego wykresu. W przypadku małego, jednorazowego, prostego wykresu często i szybko wystarczy arkusz kalkulacyjny (Excel, Google Spreadsheets). Kod wygrywa, gdy: dane są regularnie aktualizowane (odświeżanie tego samego wykresu co miesiąc), wykres jest złożony lub liczny (np. małe wykresy wielokrotne), wymagana jest pełna kontrola (ustawienia integralności, niestandardowe etykietowanie) lub ważna jest powtarzalność wyniku. Możesz także zapytać, który z nich jest odpowiedni dla sztucznej inteligencji.
Stan
odpowiedni pojazd
Dlaczego
Jednorazowy prosty pasek
arkusz kalkulacyjny
Szybko, nie wymaga kodu
Raport aktualizowany co miesiąc
Kod (Pyton)
Napisz raz, biegnij ponownie
Interaktywny pulpit filtrujący
Kod (plotly) / narzędzie BI
wymagana interakcja
Dużo małych grafik
Kod
Ręczne rysowanie jest męczące i niedokładne
Twoja rola: konsultant ds. wizualizacji danych. Muszę stworzyć następujący wykres: [przepis]. [Jak często] dane są aktualizowane, [ile] różnych wykresów jest wymaganych. Czy arkusz kalkulacyjny lub kod w Pythonie mają większy sens? Uzasadnij swoją decyzję; Którą bibliotekę polecacie do kodu?
Wskazówka: „Czy będę to powtarzał co miesiąc?” Jeśli odpowiedź na pytanie brzmi „tak”, inwestycja w kod prawie zawsze się zwraca. Jeśli jest to jednorazowe, wystarczy arkusz kalkulacyjny.
Typowe błędy
- Prośba o „zdjęcie” wykresu: jeśli zamiast kodu poprosisz o obraz, dane nie są w rzeczywistości przetwarzane.
- Zaufanie kodowi bez jego wykonywania: umieszczenie danych wyjściowych na slajdzie bez ich wizualnej weryfikacji.
- Brak weryfikacji wartości: brak porównania punktów na wykresie z danymi.
- Nie widzę brakującej/pominiętej linii: Nie sprawdzam liczby kropek.
- Traktowanie tego jak jednorazowej pracy: brak trzymania kodu i zaczynanie od zera co miesiąc.
Podsumowując
Poproś sztuczną inteligencję o kod tworzący wykres, a nie obraz wykresu, i samodzielnie uruchom ten kod; ponieważ kod przetwarza dane takimi, jakie są i daje deterministyczne i powtarzalne wyniki. Opisz strukturę danych, umieść reguły integralności (z osi 0, etykiety, źródła) w żądaniu, zweryfikuj dane wyjściowe za pomocą skrótów wartość-integralność-skala-suma. Kod za każdym razem pokonuje przewidywania werbalne; Ale ostateczna kontrola należy do Ciebie.
Zadanie aplikacji
W przypadku własnego pliku danych: (1) Opisz strukturę danych AI i wydrukuj kod generowania wykresu (z zasadami uczciwości). (2) Uruchom kod i ręcznie porównaj 2-3 wartości na wykresie z danymi. (3) W tym samym kodzie posortuj słupki według wartości i dodaj pojedynczy kolor podświetlenia. (4) Zapisz kod, aby użyć go ponownie w przyszłym miesiącu.
lista kontrolna
- [ ] Chciałem i uruchomiłem kod tworzący wykres, a nie jego obraz.
- [ ] Kod odczytuje dane z prawdziwego pliku, nie tworzy liczb.
- [ ] Porównałem 2-3 wartości na wykresie z danymi.
- [ ] Liczba punktów/kategorii jest zgodna z wierszami danych.
- [ ] Oś Y i skala są prawidłowe; Nie ma przerwania osi.
- [ ] Zapisałem kod do ponownego użycia.