مصنوعی ذہانت کے ساتھ گرافکس تیار کرنا: کوڈ سے بصری تک، تصدیق کے ساتھ

فائدہ:

• مصنوعی ذہانت پر گراف کی تصویر نہیں بلکہ گراف تیار کرنے والے کوڈ کو پرنٹ کرکے اور اسے خود چلا کر تعییناتی اور دوبارہ قابل نتائج حاصل کرنے کی صلاحیت
• قیمت، سالمیت، پیمانے اور رقم کے چیکسم کے ساتھ ڈیٹا کے خلاف چارٹ آؤٹ پٹ کی توثیق کرنے کی صلاحیت
• ایمانداری کے اصول نافذ کرنے کی صلاحیت (محور 0، براہ راست لیبل، سورس نوٹ سے) اور زبانی اندازے کے بجائے کوڈ پر انحصار کرنا

آپ نے درست چارٹ کی قسم کا انتخاب کیا ہے۔ اب اسے تیار کرنے کا وقت آگیا ہے۔ یہاں مصنوعی ذہانت کا سب سے قابل اعتماد استعمال یہ نہیں ہے کہ اسے گراف کو "ڈرا" کرنے کے لیے کہا جائے، بلکہ اس کوڈ کو پرنٹ کرنا ہے جو گراف تیار کرتا ہے اور خود اس کوڈ کو چلاتا ہے۔ کہاں سے؟ کیونکہ بڑی زبان کا ماڈل ٹیکسٹ جنریٹر ہے۔ زبانی طور پر کسی نمبر کو "اندازہ" لگا سکتا ہے، لیکن کوڈ ڈیٹا کو اس طرح پروسیس کرتا ہے جیسا کہ یہ ہے اور ایک فیصلہ کن نتیجہ پیدا کرتا ہے (ہمیشہ ایک ہی ان پٹ کو ایک ہی آؤٹ پٹ دینا)۔ اس یونٹ میں، ہم سیکھیں گے کہ گرافیکل کوڈ (زیادہ تر ازگر) کو AI پر کیسے پرنٹ کیا جائے اور آؤٹ پٹ کی تصدیق کی جائے۔

کیوں کوڈ، کیوں چلائیں؟

ایک زبان کے ماڈل سے پوچھیں "مجموعی فروخت کیا ہے؟" اگر آپ پوچھیں تو یہ حقیقت میں ڈیٹا اکٹھا نہیں کرتا ہے۔ ایک ممکنہ نمبر تیار کرتا ہے۔ لیکن اگر آپ اس پر ایگریگیشن کوڈ پرنٹ کرتے ہیں اور اسے چلاتے ہیں تو نتیجہ حقیقی ڈیٹا سے آتا ہے۔ چارٹ کے لیے بھی یہی ہے: ماڈل جو کوڈ تیار کرتا ہے وہ آپ کے ڈیٹا پر، آپ کی مشین پر چلتا ہے۔ کوڈ بھی دہرایا جا سکتا ہے: جب ڈیٹا اپ ڈیٹ ہو جاتا ہے، تو آپ کوڈ کو دوبارہ چلاتے ہیں اور چارٹ کو ریفریش کرتے ہیں۔

عام ٹولز: میٹپلوٹلیب اور سیبورن (جامد پلاٹ)، پلاٹلی (انٹرایکٹو پلاٹ) ازگر کی زبان کے ساتھ؛ اسپریڈشیٹ پروگرام اور BI (بزنس انٹیلی جنس) ٹولز بھی۔ اس یونٹ میں، ہم Python/matplotlib کا استعمال کرتے ہوئے مثالیں دیں گے کیونکہ یہ سب سے عام ہے۔ اصول ہر گاڑی میں ایک جیسا ہے۔

مشورہ: "مجھے چارٹ کی تصویر دو" کے بجائے کہو "مجھے وہ کوڈ دو جو چارٹ تیار کرتا ہے اور میں اسے چلا دوں گا۔" اس طرح، نتیجہ حقیقی ڈیٹا سے آتا ہے اور آپ جتنی مرضی ایڈجسٹمنٹ کر سکتے ہیں۔

مرحلہ وار: کوڈ سے گرافکس تک

1. گرافک قسم اور پیغام (پچھلی یونٹ) کا تعین کریں۔
2. ماڈل میں ڈیٹا ڈھانچہ بیان کریں (کالم کے نام، اقسام؛ حساس ڈیٹا نہیں)۔
3. کوڈ تیار کریں، ایمانداری کے اصول کو پرامپٹ میں رکھیں (محور 0، ٹیگ، سورس نوٹ سے)۔
4. کوڈ کو خود چلائیں اور گراف کو دیکھیں۔
5. چیک کریں: کیا چارٹ میں موجود ویلیو ڈیٹا کی قدر کے برابر ہے؟ کیا کل/حصص ہولڈ ہے؟
6. بہتر کریں: عنوان کو ایکشن ٹائٹل میں تبدیل کریں، غیر ضروری کو حذف کریں، نمایاں رنگ شامل کریں۔

آپ کا کردار: Python ڈیٹا ویژولائزیشن اسسٹنٹ۔ میرے پاس CSV ہے: کالم "مہینہ" (YYYY-MM)، "چینل" (متن)، "آمدنی" (نمبر)۔ matplotlib کے ساتھ ایک لائن گراف کوڈ لکھیں:- ہر چینل ایک الگ لائن ہے، x=month, y=come۔- y محور کو 0 سے شروع ہونے دیں (کاٹ نہ کریں)۔- براہ راست لائنوں کے آخر میں لیبل لگائیں، علیحدہ لیجنڈ کی ضرورت نہیں ہے۔- عنوان میں ایکشن ٹائٹل کے لیے پلیس ہولڈر لگائیں۔- ہمارے دائیں حصے میں ایک چھوٹا سا نہیں شامل کریں۔ کوڈ کو مکمل اور قابل عمل بنائیں، مثال پڑھنے کی لائن بھی لکھیں۔ نمبر فٹ کرنا؛ CSV سے ڈیٹا پڑھیں۔

موجودہ چارٹ کو ٹھیک کرنے کے لیے:

اس matplotlib کوڈ کو درست کریں: (1) سلاخوں کو قدر کے لحاظ سے سب سے بڑے سے چھوٹے تک ترتیب دیں، (2) صرف سب سے زیادہ بار کو نارنجی اور باقی کو خاکستری بنائیں، (3) y-axis کو 0 سے شروع کریں، (4) ہزار الگ کرنے والے کے ساتھ اعشاریہ فارمیٹ کریں۔ کوڈ کو مکمل طور پر واپس کریں۔ کوڈ: [...]

انٹرایکٹو چارٹ کے لیے (ڈیش بورڈ کے لیے):

اسی ڈیٹا کے ساتھ پلاٹلی کا استعمال کرتے ہوئے ایک انٹرایکٹو لائن چارٹ کوڈ لکھیں: ماؤس کو گھومنے سے مہینہ اور آمدنی دکھائی دے گی، اور چینلز کو فلٹر کیا جا سکتا ہے۔ محور کو 0 سے شروع ہونے دیں۔ مکمل کوڈ دیں۔

توثیق: کیا چارٹ "درست" ہے، "خوبصورت" نہیں؟

کام صرف اس لیے ختم نہیں ہوا کہ گرافکس آؤٹ پٹ ہیں۔ تین چیکسم:

• قیمت فراہم کرنا: ہاتھ/ٹیبل سے 2-3 بے ترتیب پوائنٹس چیک کریں۔ کیا چارٹ پر سب سے زیادہ بار واقعی سب سے زیادہ ہے؟
• کل/حصص کی توثیق: کیا حصص پورے چارٹ میں 100% تک مکمل ہو چکے ہیں؟
• بصری ایمانداری: کیا محور 0 سے شروع ہوتا ہے، کیا اسکیل لکیری ہے، کیا یہ ایک ہی اکائی ہے؟ (تفصیل اگلے یونٹ میں۔)

کنٹرول

دیکھ بھال کرنے کا طریقہ

سرخ پرچم

قدر

ڈیٹا کے ساتھ 2-3 پوائنٹس کا موازنہ کریں۔

گراف ڈیٹا مماثل نہیں ہے۔

سالمیت

کیا کوئی مہینہ/زمرہ غائب ہے؟

خلا کو خاموشی سے چھوڑ دیا گیا۔

پیمانہ

Y محور کہاں سے شروع ہوتا ہے۔

0 نہیں، فرق مبالغہ آمیز ہے۔

کل

حصص/کل

یہ 100٪ نہیں رکھتا ہے

احتیاط: ماڈل بعض اوقات ڈیٹا سے غائب مہینے کو "مکمل" کرتا ہے یا خاموشی سے گمشدہ قطار کو رد کر دیتا ہے۔ دیکھیں کہ کیا چارٹ پر پوائنٹس کی تعداد ڈیٹا میں قطاروں کی تعداد سے ملتی ہے۔

تین چھوٹے مقدمات

کیس 1 - کوڈ بیٹ کی پیشن گوئی۔ ایک تجزیہ کار پہلے ماڈل سے پوچھتا ہے "کل کتنا ہے؟" اس نے پوچھا، اور جواب ملا "≈4.2 ملین"۔ پھر اس نے اضافی کوڈ پرنٹ کیا اور اسے چلایا: اصل کل 3.87 ملین تھا۔ زبانی پیشین گوئی 8% غلط تھی۔ اس دن سے، اس نے کوڈ سے ہر نمبر حاصل کیا.

کیس 2 - خاموش غائب لائن۔ ایک ٹیم نے ماہانہ چارٹ تیار کیا تھا۔ سب کچھ ٹھیک لگ رہا تھا. لیکن اعداد و شمار میں مارچ خالی تھا، اور چارٹ نے اسے چھوڑ دیا اور فروری سے اپریل کو جوڑ دیا۔ یہ نرم لگ رہا تھا کیونکہ یہ ٹرینڈ پر تھا۔ انہوں نے نقطوں کی تعداد دیکھی (یہ 11 کے بجائے 12 ہونا چاہئے تھا) اور اسے درست کیا۔ اصل رجحان میں ایک چھلانگ تھی۔

کیس 3 - تولیدی صلاحیت۔ ایک مارکیٹر ہر مہینے (تقریباً 40 منٹ) ہاتھ سے چارٹ بنا رہا تھا۔ ایک بار جب اس نے مصنوعی ذہانت سے لکھا ہوا کوڈ انسٹال کر لیا۔ اگلے مہینوں میں نیا CSV ڈالنے اور کوڈ چلانے میں 2 منٹ لگے۔ ہر ماہ 38 منٹ بچائے گئے اور دستی کاپی کرنے میں مزید غلطیاں نہیں۔

کمزور فوری / مضبوط اشارہ

کمزور:

اس سیلز ڈیٹا کا گراف بنائیں۔

ماڈل تصویر کو فٹ کر سکتا ہے یا بے ترتیب کوڈ دے سکتا ہے۔ ڈیٹا پر عمل نہیں کیا جاتا ہے، کوئی ایمانداری کی ترتیبات نہیں ہیں۔

مضبوط:

آپ کا کردار: Python/matplotlib مددگار۔ ڈیٹا: CSV، کالم "علاقہ" (متن)، "buyume_percentage" (نمبر، منفی ہو سکتا ہے)۔ افقی بار چارٹ کوڈ لکھیں: قدر کے لحاظ سے ترتیب دیں، سب سے زیادہ علاقے کو نمایاں کریں، y=0 ریفرنس لائن شامل کریں (نفی ڈسپلے کریں)، بار کے سروں پر فیصد لیبل لگائیں۔ قابل عمل کوڈ دیں، CSV سے پڑھیں، نمبر فٹنگ۔ عنوان کے لیے ایک ایکشن ٹائٹل پلیس ہولڈر لگائیں۔

دوسرے میں ڈیٹا کا ڈھانچہ، ایمانداری کے اصول، اور "کوڈ سے پڑھیں، اسے نہ بنائیں" کا اصول شامل ہے۔ آؤٹ پٹ درست اور قابل تدوین دونوں ہے۔

ٹول سلیکشن: کب اسپریڈشیٹ، کب کوڈ؟

آپ کو ہر چارٹ کے لیے کوڈ لکھنے کی ضرورت نہیں ہے۔ ایک چھوٹے، یک طرفہ، سادہ چارٹ کے لیے، ایک اسپریڈشیٹ (ایکسل، گوگل اسپریڈشیٹ) اکثر کافی اور تیز ہوتی ہے۔ کوڈ جیتتا ہے جب: ڈیٹا کو باقاعدگی سے اپ ڈیٹ کیا جاتا ہے (ہر مہینے ایک ہی چارٹ کو تازہ کرنا)، چارٹ پیچیدہ یا متعدد ہے (جیسے چھوٹے متعدد چارٹس)، مکمل کنٹرول کی ضرورت ہے (انٹیگریٹی سیٹنگز، حسب ضرورت لیبلنگ)، یا یہ ضروری ہے کہ نتیجہ دوبارہ قابل دہرایا جا سکے۔ آپ یہ بھی پوچھ سکتے ہیں کہ مصنوعی ذہانت کے لیے کون سا موزوں ہے۔

حیثیت

مناسب گاڑی

کیوں

ایک بار سادہ بار

سپریڈ شیٹ

تیز، کوڈ کی ضرورت نہیں ہے۔

رپورٹ ہر ماہ اپ ڈیٹ ہوتی ہے۔

کوڈ (ازگر)

ایک بار لکھیں، دوبارہ چلائیں۔

انٹرایکٹو/فلٹر ڈیش بورڈ

کوڈ (پلاٹلی) / BI ٹول

تعامل کی ضرورت ہے

بہت سے چھوٹے گرافکس

کوڈ

ہاتھ سے ڈرائنگ تھکا دینے والا اور غلط ہے۔

آپ کا کردار: ڈیٹا ویژولائزیشن کنسلٹنٹ۔ مجھے مندرجہ ذیل گراف تیار کرنے کی ضرورت ہے:[ترکیب]۔ ڈیٹا کو [کتنی بار] اپ ڈیٹ کیا جاتا ہے، [کتنے] مختلف چارٹ درکار ہوتے ہیں۔ کیا اسپریڈشیٹ یا ازگر کوڈ زیادہ معنی رکھتا ہے؟ اپنے فیصلے کا جواز پیش کریں۔ آپ کوڈ کے لیے کون سی لائبریری تجویز کرتے ہیں؟

اشارہ: "کیا میں یہ ہر ماہ دوبارہ کروں گا؟" اگر سوال کا جواب "ہاں" ہے، تو کوڈ کی سرمایہ کاری تقریباً ہمیشہ اپنے لیے ادائیگی کرتی ہے۔ اگر یہ ون آف ہے تو اسپریڈشیٹ کافی ہوگی۔

عام غلطیاں

• چارٹ کی "تصویر" مانگنا: جب آپ کوڈ کی بجائے تصویر مانگتے ہیں، تو ڈیٹا پر عمل نہیں ہوتا ہے۔
• کوڈ پر عمل کیے بغیر اس پر بھروسہ کرنا: آؤٹ پٹ کو بصری طور پر تصدیق کیے بغیر سلائیڈ پر رکھنا۔
• قدر کی توثیق فراہم نہیں کرنا: چارٹ پر پوائنٹس کا ڈیٹا سے موازنہ نہیں کرنا۔
• لاپتہ/چھوڑی ہوئی لائن کو نہ دیکھنا: نقطوں کی تعداد کی جانچ نہ کرنا۔
• اسے ایک وقتی کام کی طرح برتاؤ: کوڈ کو نہ رکھنا اور ہر ماہ شروع سے شروع کرنا۔

خلاصہ میں

آرٹیفیشل انٹیلی جنس سے اس کوڈ کے لیے پوچھیں جو گراف تیار کرتا ہے، گراف کی تصویر نہیں، اور اس کوڈ کو خود چلائیں۔ کیونکہ کوڈ ڈیٹا کو اس طرح پروسیس کرتا ہے جیسا کہ یہ ہے اور فیصلہ کن اور دوبارہ قابل نتائج دیتا ہے۔ ڈیٹا کے ڈھانچے کی وضاحت کریں، درخواست میں سالمیت کے اصول (محور 0، لیبل، ماخذ سے) ڈالیں، ویلیو-انٹیگریٹی-اسکیل-سم ہیشز کے ساتھ آؤٹ پٹ کی توثیق کریں۔ کوڈ ہر بار زبانی پیشین گوئی کو مات دیتا ہے۔ لیکن حتمی کنٹرول آپ کا ہے۔

درخواست کا کام

آپ کی ڈیٹا فائل کے لیے: (1) AI میں ڈیٹا ڈھانچہ بیان کریں اور گراف جنریشن کوڈ پرنٹ کریں (ایمانداری کے اصولوں کے ساتھ)۔ (2) کوڈ کو چلائیں اور دستی طور پر ڈیٹا کے ساتھ چارٹ میں 2-3 اقدار کا موازنہ کریں۔ (3) اسی کوڈ میں، قیمت کے لحاظ سے سلاخوں کو ترتیب دیں اور ایک ہی نمایاں رنگ شامل کریں۔ (4) اگلے مہینے دوبارہ استعمال کرنے کے لیے کوڈ کو محفوظ کریں۔

چیک لسٹ

• میں نے وہ کوڈ چاہا اور چلایا جو چارٹ تیار کرتا ہے، اس کی تصویر نہیں۔
• کوڈ اصلی فائل سے ڈیٹا پڑھتا ہے، یہ نمبر نہیں بناتا۔
• میں نے چارٹ میں 2-3 اقدار کا ڈیٹا کے ساتھ موازنہ کیا۔
• پوائنٹس/کیٹیگریز کی تعداد ڈیٹا کی قطاروں کے ساتھ مطابقت رکھتی ہے۔
• Y محور اور پیمانہ ایماندار ہیں۔ کوئی محور مداخلت نہیں ہے۔
• میں نے دوبارہ استعمال کرنے کے لیے کوڈ کو محفوظ کر لیا۔