ලාභ:
- කෘතිම බුද්ධිය සමඟ විකුණුම්, පිරිවැය සහ මෙහෙයුම් වගු විශ්ලේෂණය කිරීමට සහ ප්රවණතා, බිඳීම් සහ පිටස්තරයන් හඳුනා ගැනීමේ හැකියාව
- එක් එක් ගණනය කිරීම් නැවත සිදු කිරීම හෝ අතින් පරීක්ෂා කිරීම මගින් අංක ගණිත දෝෂ සහ මායාවන් සම්බන්ධයෙන් සත්යාපනය කිරීමේ හැකියාව
- අර්ථ දැක්වීමට පෙර දත්තවල ගුණාත්මකභාවය සහ නියැදි සීමාවන් ප්රශ්න කිරීම සහ හේතු සාධක වලින් සහසම්බන්ධතාව වෙන්කර හඳුනා ගැනීමේ හැකියාව
කළමනාකරණ උපදේශනයේදී වඩාත් පුනරාවර්තනය වන වාක්ය ඛණ්ඩවලින් එකක් නම්: "සංඛ්යා පවසන්නේ කුමක්ද?" පාරිභෝගිකයෙකුගේ විකුණුම් දත්ත, පිරිවැය වගුව, පාරිභෝගික කොටස් හෝ මෙහෙයුම් ප්රමිතික; ඔවුන් සියල්ලෝම කතාවක් කියති. උපදේශකයාගේ කාර්යය වන්නේ එම කතාව සොයාගෙන, එය ඔප්පු කර, තීරණ ගන්නා තැනැත්තාට පැහැදිලිව පෙන්වීමයි. කෘතිම බුද්ධිය තත්පර කිහිපයකින් ප්රස්ථාරයක් අර්ථකථනය කරයි, ප්රවණතා පෙන්වා දෙයි, ගණනය කිරීම් කරයි, සහ විශ්ලේෂණය සඳහා කේතය (පයිතන්, එක්සෙල් සූත්රය) පවා ජනනය කරයි. නමුත් මෙහි විශේෂ අනතුරක් තිබේ: AI හට නිශ්ශබ්දව ගණිතයේ වැරදි සිදු කළ හැකි අතර නිවැරදි විශ්වාසයකින් වැරදි අංකයක් ඉදිරිපත් කළ හැකිය. එබැවින්, දත්ත විශ්ලේෂණයේ ස්වර්ණමය රීතිය වන්නේ එක් එක් ගණනය කිරීම් නැවත කිරීම හෝ අතින් පරීක්ෂා කිරීමයි.
දත්ත සමඟ වැඩ කිරීමට ක්රම දෙකක්
AI සමඟ දත්ත විශ්ලේෂණය කිරීමේ ප්රාථමික ක්රම දෙකක් ඇති අතර, වෙනස දැන ගැනීම නිරවද්යතාවය සඳහා ඉතා වැදගත් වේ.
- ආකෘතියේ පාඨමය අර්ථකථනය: ඔබ කෙලින්ම චැට් එකට දත්ත අලවා "අදහස" කියන්න. ආකෘතිය රටා කියවන නමුත් "මානසිකව" ගණනය කිරීම් සිදු කරයි; දෝෂයේ වැඩිම අවදානමක් ඇති මාර්ගය මෙයයි. කුඩා වගු සහ ගුණාත්මක අර්ථ නිරූපණය සඳහා සුදුසු වේ, නිශ්චිත ගිණුම්කරණය සඳහා නොවේ.
- කේතය/මෙවලම් උත්පාදනය: ඔබ විශ්ලේෂණ කේතය (Python/pandas) හෝ Excel සූත්රය ආකෘතියට මුද්රණය කරයි; කේතය ගණනය කිරීම සිදු කරයි, ආකෘතිය නොවේ. මෙම ක්රමය වඩාත් විශ්වාසදායක වන්නේ අංක ගණිතය ක්රියාත්මක වන්නේ නියතිවාදී මෙවලමක් තුළ බැවිනි. විශාල දත්ත සහ නිරවද්ය සංඛ්යාව සඳහා එය කැමති වන්න.
ඉඟිය: ඔබට නිශ්චිත අංකයක් අවශ්ය නම් (මුළු පිරිවැටුම, සාමාන්යය, වර්ධන වේගය) "මෙය ගණනය කරන Excel සූත්රය/පයිතන් කේතය ලියන්න" ලෙස ආකෘතියෙන් ඉල්ලා සිටින්න, ප්රතිඵලය ඔබම ධාවනය කරන්න. ආකෘතියෙන් ලබා දී ඇති අංකය කිසි විටෙකත් අවසාන වශයෙන් සලකන්න එපා.
විශ්ලේෂණ විමසුම සකසන්නේ කෙසේද
හොඳ විශ්ලේෂණ විමසුමකට දත්ත, අසන ලද ප්රශ්නය සහ වලංගු කිරීමේ රීතිය ඇතුළත් වේ.
ඔබේ කාර්යභාරය: දත්ත විශ්ලේෂක. පහත දැක්වෙන්නේ මාස 24 ක විකුණුම් සටහනකි (මාසය, කලාපය, නිෂ්පාදනය, ප්රමාණය, පිරිවැටුම). කාර්යය: 1) සම්පූර්ණ සහ මාසික පිරිවැටුම් ප්රවණතාවය සාරාංශ කරන්න. 2) වේගයෙන්ම වර්ධනය වන සහ වේගයෙන් හැකිලෙන කලාපීය නිෂ්පාදන බිඳවැටීම් 3 සොයන්න. 3) පිටස්තර (අනපේක්ෂිත පැනීම / වැටීම) තිබේ නම් සලකුණු කරන්න. රීති:- එක් එක් ගණනය කිරීම් සිදු කරන එක්සෙල් සූත්රය ඒ අසල ලියන්න; මම සත්යාපනය කරන්නම්.- දත්ත වලින් අර්ථ නිරූපණය වෙන් කරන්න: පළමුව “දත්ත කියයි”, පසුව “හැකි අර්ථය”.- හේතුකාරකය කියා නොගන්න; රටාව පමණක් පෙන්වන්න.
මෙම ඉල්ලීමට තීරණාත්මක මූලද්රව්ය තුනක් ඇත: සූත්රය අවශ්ය (සත්යාපනය), අර්ථකථනයෙන් දත්ත වෙන් කිරීම (අඛණ්ඩතාව) සහ හේතුකාරක හිමිකම් ප්රකාශ කිරීම තහනම් කිරීම (ඊළඟ කොටසේ විෂය).
සහසම්බන්ධය හේතුකාරක නොවේ
විශ්ලේෂණයේ දී වඩාත් සුලභ හා මිල අධික තාර්කික දෝෂය වන්නේ එකට ක්රියා කරන දේවල් දෙකෙන් එකක් අනෙකට හේතු වන බව උපකල්පනය කිරීමයි. විචල්ය දෙකක් එකට වැඩි වූ පමණින් (සහසම්බන්ධතාවය) එකක් අනෙකට (හේතුව) හේතු වන බව ඔප්පු නොවේ; තුන්වන සාධකයක් හෝ අහඹු සිදුවීමක් විය හැකිය. සම්භාව්ය උදාහරණය: අයිස්ක්රීම් අලෙවිය වැඩි වන විට දියේ ගිලී මියයෑම් ද සිදුවේ. හේතුව අයිස්ක්රීම් නොවේ, උණුසුම් කාලගුණය දෙකම මතු කරයි.
AI ට පහසුවෙන් සහසම්බන්ධයක් ලිවිය හැක "X Y වැඩි කරයි." උපදේශකයා මෙම වාක්යය දකින විට, ඔහු නතර කර මෙසේ ඇසිය යුතුය: "ඇත්ත වශයෙන්ම මෙය හේතුවද, නැතහොත් සැඟවුණු සාධකයක් තිබේද?" හේතුකාරක හිමිකම්; පාලිත සංසන්දනය සඳහා කාල අනුපිළිවෙල සහ වසම පිළිබඳ දැනුමක් අවශ්ය වේ.
ඔබගේ කාර්යභාරය: විවේචනාත්මක දත්ත විශ්ලේෂක.පහත විශ්ලේෂණයේ "X වැඩි කරයි Y" හිමිකම් පෑමක් අඩංගු වේ.කාර්යය:- මෙම සම්බන්ධතාවය සහසම්බන්ධයක් හෝ යුක්තිසහගත හේතුවදැයි තක්සේරු කරන්න.- මේ දෙකටම බලපෑ හැකි ගුප්ත (තෙවන) සාධක 3ක් ලැයිස්තුගත කරන්න.- දැඩි හේතුකාරකත්වයට සහාය වීමට අවශ්ය අමතර සාක්ෂි (සංසන්දනාත්මක කණ්ඩායම, කාල අනුපිළිවෙල) කියන්න. "හැකි" සහ "පරීක්ෂා කළ යුතු" ලියන්න.
අර්ථ නිරූපණයට පෙර දත්තවල ගුණාත්මකභාවය ප්රශ්න කිරීම
හොඳ විශ්ලේෂණයක් ලැබෙන්නේ නරක දත්ත වලින් නොවේ. අදහස් දැක්වීමට පෙර සෑම ප්රස්ථාරයකින්ම මෙම ප්රශ්න අසන්න:
පාලනය
එය වැදගත් වන්නේ ඇයි?
රැකබලා ගන්නේ කෙසේද
දත්ත අතුරුදහන්
හිස් සෛල මධ්යන්යය විකෘති කරයි
හිස්/ශුන්ය අනුපාතය ගණන් කරන්න
පිටස්තරයන්
තනි පිටසක්වල නැඹුරුව විකෘති කරයි
min-max සහ බෙදාහැරීම බලන්න
අර්ථ දැක්වීමේ අනුකූලතාව
සෑම මසකම "පිරිවැටුම" සමානද?
තීරු අර්ථ දැක්වීම තහවුරු කරන්න
කාල පරාසය
සෘතුමය බව නොමඟ යවයිද?
වසරින් වසර සසඳන්න
නියැදිය
දත්ත මුළු විශ්වයම නියෝජනය කරනවාද?
ආවරණ ගාස්තුව ඉල්ලන්න
මෙම වගුව අර්ථ නිරූපණය කිරීමට පෙර, දත්ත තත්ත්ව පරීක්ෂාවක් කරන්න:- නැතිවූ/ශුන්ය සෛල අනුපාතය කුමක්ද?- අන්ත (පිටතට) අගයන් ඇත්තේ කුමන පේළිවලද?- තීරු අර්ථ දැක්වීම් අනුකූලද, සැක සහිත ඒවා තිබේද? විගණන වාර්තාවක් දෙන්න; තවම අදහස් දක්වන්න එපා.
කුඩා නඩු තුනක්
නඩුව 1 - නිශ්ශබ්ද අංක ගණිත දෝෂය. උපදේශකයෙකුට ආකෘතිය මාස 12ක පිරිවැටුම එකතු කර ඇත; ආකෘතිය පවසන්නේ "මිලියන 142.6" උපදේශකයා Excel හි පරීක්ෂා කරයි: සැබෑ එකතුව මිලියන 128.4; ආකෘතිය මාස දෙකක් වැරදි ලෙස එකතු කර ඇත. මානසික ගණනයක් වෙනුවට සූත්රයක් ඉල්ලා සිටියා නම් වරදක් සිදු නොවේ. ඉදිරිපත් කිරීමේදී වැරදි අංකයක් ඇතුළත් කර තිබුනේ නම්, පාරිභෝගික විශ්වාසය බිඳී යනු ඇත.
නඩුව 2 - ව්යාජ හේතුව. සිල්ලර වෙළෙන්දෙකු තුළ, ආකෘතිය පවසන්නේ, "වට්ටම් ලබා දුන් මාසවලදී පිරිවැටුම වැඩි විය, එබැවින් වට්ටම් පිරිවැටුම වැඩි කරයි." උපදේශකයා නතර කරයි: නිවාඩු කාලය තුළ වට්ටම් දැනටමත් සිදු කර ඇත; ප්රධාන ධාවකය වන්නේ නිවාඩු ඉල්ලුමයි. වට්ටම් බලපෑම මැනීම සඳහා, වට්ටමක් නොමැතිව නිවාඩුව සමඟ සංසන්දනය කිරීම අවශ්ය වේ. ව්යාජ අනුමාන කිරීම් "සෑම මසකම වට්ටම් කරමු" වැනි ආන්තිකය දැවෙන යෝජනාවක් වළක්වයි.
නඩුව 3 - පිටත උගුල. කලාප සාමාන්ය ඇණවුම් අගයක් අසාමාන්ය ලෙස ඉහළ යයි. ආකෘතිය මෙය "වාරික කලාපයක්" ලෙස අර්ථ දක්වයි. උපදේශකයා රේඛාව විවෘත කරයි: මිලියන 4.2 ක තනි ආයතනික ඇණවුමක් සාමාන්යය පුම්බා ඇත; එම රේඛාව ඉවත් කළ විට, කලාපය සාමාන්ය වේ. මධ්යන්ය භාවිතා කිරීමෙන් මෙම උගුල මුලින්ම වළක්වා ගත හැකිය.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
මෙම විකුණුම් සටහන විශ්ලේෂණය කර ප්රධාන සොයාගැනීම් සඳහන් කරන්න.
මොඩලය ප්රධාන වශයෙන් ගණනය කරයි, හේතුකාරක බව ප්රකාශ කරයි, සහ සත්යාපනය කළ නොහැකි සොයාගැනීම් ලබා දෙයි.
බලවත් විමසුම:
ඔබේ කාර්යභාරය: සූක්ෂම දත්ත විශ්ලේෂක. පළමුව දත්ත තත්ත්ව විගණනයක් කරන්න (අතුරුදහන්, පිටත, නිර්වචන අනුකූලතාව). එවිට: මාසික ප්රවණතාවය, ඉහළම බිඳවැටීම් 3, පිටස්තරයන්.- එක් එක් ගිණුම සඳහා Excel සූත්රය ලියන්න; මම සත්යාපනය කරන්නම්.- මධ්යන්යය වෙනුවට මධ්යස්ථය ලබා දෙන්න (පිටත බලපෑම බැලීමට).- "හැකි අර්ථයෙන්" "දත්ත කියයි" වෙන් කරන්න; හේතුකාරකය ඉල්ලා නොසිටින්න. - ඔබට විශ්වාස නැති තැන "අපැහැදිලි" ලෙස සලකුණු කරන්න.
ඛණ්ඩනය: සාමාන්යය සඟවන සත්යය
උපදේශන විශ්ලේෂණයේ වඩාත් ප්රබල පියවරක් වන්නේ ඛණ්ඩනයයි: සම්පූර්ණ සංඛ්යාවක් අර්ථවත් උප කණ්ඩායම්වලට කැඩීම. "සාමාන්ය පාරිභෝගිකයා" බොහෝ විට නොපවතින ගොඩනැගීමකි; සත්යය සැඟවී ඇත්තේ උප කණ්ඩායම් තුළය. උදාහරණයක් ලෙස, සාමාන්ය ලාභ ආන්තිකය 8%ක් ලෙස පෙනෙන අතර, පාරිභෝගිකයින්ගෙන් 20%කට 25%ක ආන්තිකය ගෙන ආ හැකි අතර 30%ක් පාඩු ලබයි; සාමාන්යය මෙම කාරණය සම්පූර්ණයෙන්ම සඟවයි. කෘත්රිම බුද්ධිය ඔබට විවිධ අක්ෂ (පාරිභෝගික වර්ගය, කලාපය, නිෂ්පාදනය, නාලිකාව) හරහා ප්රස්ථාරයක් කඩිනමින් බිඳ දැමීමට සහ වඩාත්ම කැපී පෙනෙන වෙනස පෙන්වන්නේ කුමන බිඳ වැටීමද යන්න සොයා ගැනීමට උපකාරී වේ.
ඔබේ කාර්යභාරය: දත්ත විශ්ලේෂක. වගුව පහත දැක්වේ. කාර්යය: පහත අක්ෂය මත මෙම දත්ත බිඳ දමන්න: [පාරිභෝගික වර්ගය / කලාපය / නිෂ්පාදනය]. එක් එක් කණ්ඩායම සඳහා: මුළු, කොටස (%), මධ්යන්ය සහ මධ්යන්ය, කණ්ඩායම් ප්රමාණය (n).රීති:- කණ්ඩායම n<30 නම්, "කුඩා නියැදිය - අවධානය" ලකුණු කරන්න.- එක් එක් ගිණුම සඳහා සූත්රය ලියන්න; මම සත්යාපනය කරන්නම්.- ඉහළම සහ පහළම කණ්ඩායම පෙන්වන්න; වෙනස සැබෑද නැතිනම් තනි පිටස්තරයෙකු නිසාද යන්න තක්සේරු කරන්න. මුලින්ම මම ඔබට කියන්නම් මම බලාපොරොත්තු වන්නේ කුමන බිඳවැටීම: [උපකල්පනය].
පොදු වැරදි
- ආකෘතියේ හිස ගණනය කිරීම මත රඳා පවතී. නිර්ණය කිරීමේ මෙවලම (Excel/Python) වෙත අංක ගණිතය බාහිරින් ලබා දෙන්න; ප්රතිඵලය ස්වාධීනව පරීක්ෂා කරන්න.
- හේතුව සඳහා වැරදි සහසම්බන්ධය. සාක්ෂි නොමැතිව "X වැඩි කරයි Y" යන වාක්යය ලියන්න එපා; සැඟවුණු සාධකය ගැන විමසන්න.
- අන්ධ ලෙස සාමාන්යය දෙස බලයි. තනි පිටස්තරය මධ්යන්යය පුම්බා ඇත; මධ්යන්ය සහ බෙදා හැරීම ද බලන්න.
- දත්ත ගුණාත්මක බව මග හැරීම. අසම්පූර්ණ, අනුපිටපත් හෝ නොගැලපෙන දත්ත නිසා ඇතිවන අර්ථකථන නොමඟ යවන සුළුය; පළමුව පරීක්ෂා කරන්න.
- ආදර්ශය අමතක කිරීම. කුඩා හෝ පක්ෂග්රාහී නියැදියක සිට සමස්ත ජනගහනයටම සාමාන්යකරණය කිරීම වැරදි ප්රතිඵල ඇති කරයි.
- අර්ථ නිරූපණය සමඟ දත්ත ව්යාකූල කිරීම. මිනුම යනු කුමක්ද සහ අනුමානය කුමක්ද යන්න වෙන වෙනම පෙන්වන්න.
අවධානය: මූල්ය, සෞඛ්ය හෝ මෙහෙයුම් ආරක්ෂණ දත්ත විශ්ලේෂණයේ ප්රතිඵලය තීරණයක් සඳහා පදනම වනු ඇත නම්, ගණනය කිරීම් සහ අර්ථ නිරූපණය අදාළ විශේෂඥයා (මූල්ය උපදේශක, ක්රියාකාරි, ක්ෂේත්ර විශේෂඥ) විසින් තහවුරු කළ යුතුය. කෘතිම බුද්ධිය මූලික විශ්ලේෂණයක් නිෂ්පාදනය කරයි; අවසාන ඇගයීම සහ වගකීම මිනිසුන් සතුය.
සාරාංශයකින්
කෘත්රිම බුද්ධිය වගු දත්ත අර්ථකථනය කිරීමට, ප්රවණතා සහ බිඳවැටීම් සොයා ගැනීමට සහ විශ්ලේෂණ කේත ජනනය කිරීමට ප්රබල උපකාරයකි. නමුත් එය නිශ්ශබ්දව අංක ගණිතයේ වැරදි සිදු කළ හැකි බැවින්, එක් එක් ගණනය කිරීම් තීරණය කිරීමේ මෙවලමක් සමඟ නැවත සිදු කර අතින් පරීක්ෂා කිරීම අවශ්ය වේ. සහසම්බන්ධය හේතුකාරකයෙන් වෙන් කිරීම, මධ්යන්යය අසල මධ්යන්යය දෙස බැලීම, පරිවර්ථනය කිරීමට පෙර දත්තවල ගුණාත්මකභාවය පරීක්ෂා කිරීම සහ නියැදි සීමාවන් නිරීක්ෂණය කිරීම උපදේශනයේ මූලික විෂයයන් වේ. මාදිලිය රටා පෙන්වයි; මිනිසුන් අර්ථය සහ වගකීම නිර්මාණය කරයි.
යෙදුම් කාර්යය
සැබෑ හෝ නියෝජිත විකුණුම්/පිරිවැය ප්රකාශයක් තෝරන්න. පළමුව දත්ත තත්ත්ව පිරික්සුම් විමසුම ක්රියාත්මක කර අවම වශයෙන් එක් ගැටලුවක් සොයා ගන්න (අතුරුදහන්, පිටත, නිර්වචන නොගැලපීම). ඉන්පසු බලගතු විශ්ලේෂණ විමසුමකින් ප්රවණතා සහ බිඳවැටීම් උපුටා ගන්න; එක් එක් ගිණුම සඳහා සූත්රය අතින් සත්යාපනය කරන්න. මධ්යන්යය මධ්යන්යයට සසඳා බාහිර බලපෑමක් හඳුනා ගන්න. අවසාන වශයෙන්, ආකෘතිය ලිවීමට හේතුකාරක ප්රකාශයක් සොයාගෙන එය "සහසම්බන්ධය" ලෙස නැවත සඳහන් කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම එක් එක් නිශ්චිත ගණනය කිරීම් නිර්ණය කිරීමේ මෙවලම (Excel/Python) සමඟ නැවත ධාවනය කළෙමි.
- [ ] මම අදහස් දැක්වීමට පෙර දත්ත තත්ත්ව පරීක්ෂාවක් සිදු කළෙමි.
- [ ] මධ්යන්යයට අමතරව, මම මධ්යනය සහ බෙදා හැරීම දෙස බැලුවෙමි.
- [ ] මම සහසම්බන්ධතා-හේතු වෙනස ආරක්ෂා කළෙමි.
- [ ] මම නියැදිය සහ කාල සීමාවන් ප්රශ්න කළෙමි.
- [ ] මම "දත්ත කියයි" සහ "හැකි අර්ථය" වෙන් කළා.
- [ ] මම තීරණ-විවේචනාත්මක විශ්ලේෂණයේ විශේෂඥ අනුමැතිය සැලසුම් කළෙමි.