数据科学家必须尝试的 15 个 ChatGPT 提示

在当今不断发展的数据科学世界中，为了在IT 行业中生存和更好地发展，了解新的流行工具和技术非常重要。当我们谈论流行技术时，ChatGPT是不可避免的。如今，在机器学习和人工智能的帮助下，ChatGPT 本身可以完成许多任务。当我们谈论数据科学时，ChatGPT 正在彻底改变数据科学家与机器学习系统交互的方式。

ChatGPT 为数据科学家提供提示

什么是 ChatGPT？

ChatGPT自 2022 年底推出以来就变得非常受欢迎，原因很容易理解。ChatGPT 是一个了不起的AI 聊天机器人，可以做很多事情！它可以和你交谈，甚至帮助你写一整篇学期论文。但你知道ChatGPT 还能做更多吗？它可以为品牌制作一个很酷的标志，甚至可以创作音乐！ChatGPT 有很多令人惊讶的功能，在本文中，我们将进一步探讨如何将 ChatGPT 用于数据科学？或数据科学家如何使用 ChatGPT？

什么是 ChatGPT 提示？

当我们谈论与人工智能系统交互时，就会出现一个问题：如何交互？答案就像人类一样，但更具体一点，就这么简单。无论您以查询、问题或简单文本的形式向 ChatGPT 询问什么，它们都称为ChatGPT 提示。它们根据提示获取输入，对其进行处理，并使用不同的机器学习技术提供特定的输出。

例如：
提示：构建机器学习模型的关键步骤是什么？
在上面的例子中，问题被视为提示，并且根据长度和复杂性，此提示有不同类型的答案，ChatGPT 在具体询问时会提供这些答案。

ChatGPT 用于数据科学

如果你是一位经验丰富的从业者，或者刚刚开始你的数据科学之旅，那么有许多提示可以帮助你探索 ChatGPT 的全部潜力，这最终将提高你在无尽的数据科学世界中的生产力。

随着数据科学领域的不断发展，工具也在不断发展。ChatGPT 为数据科学家提供了一个令人兴奋的新边界，使他们能够在日常工作中利用人工智能的力量。通过在数据科学工作流程中使用这 15 个顶级 ChatGPT 提示，您将能够加速分析、提高模型性能并最终提供有影响力的见解。

ChatGPT 为数据科学家提供提示

在这里，我们将 ChatGPT 提示列为多个部分，例如数据分析、SQL、机器学习等。因此，让我们深入了解数据科学家必须尝试的 15 个 ChatGPT 提示，并在我们的数据科学之旅中释放这个强大工具的全部潜力。

ChatGPT 提示进行数据分析

1.数据生成

如果你是一名数据科学家，那么这个提示绝对是你的救星。因为你在工作过程中每隔一天就必须创建虚拟数据，而这个提示让这一切变得容易得多，你可以根据需要生成不同大小和长度的数据。

提示：假设你是一名数据科学家，创建一个有 100 行和 5 列的虚拟数据：[id、name、contact、email、age]

數據生成

数据生成-2

2.数据探索

数据探索 AKAE探索性数据分析[EDA]是数据科学的重要组成部分。为了调查和分析数据集，您必须检测异常、发现模式并深入了解数据，而此提示可以轻松完成此任务，您只需使用以下提示即可：

提示：假设你是一名数据科学家，我有 100 行 5 列的数据：[id、name、contact、email、age]。编写R代码进行数据可视化和探索。

探索-1

探索-2

3.数据可视化

有时，作为一名数据科学家，你可能需要以视觉上吸引人的方式表示数据以显示模式、趋势和见解，为此，你需要将数据集转换为视觉格式。此提示无需付出任何努力即可完成相同的操作，你只需输入-

提示：假设你是一名数据科学家，我有 100 行 5 列的数据：[id、name、contact、email、age]。创建一个姓名与年龄的 matplotlib 条形图。

可视化

可视化-2

B. ChatGPT 提示机器学习

4.训练回归模型

基本上，回归模型用于预测连续数值，例如根据平方英尺、卧室数量等特征预测房价。为了训练回归模型，大多数时候你需要一个具有输入特征和相应目标值的数据集。所有这些都由 ChatGPT 在几秒钟内提供，要获得它，你必须使用以下提示。

提示：假设你是一名数据科学家，请为我编写 Python 代码。我有一个数据集，其中包含 [model, hp, speed] 列。请构建一个预测速度的机器学习模型。

训练回归模型 1

训练回归模型 2

5.超参数调整

超参数是一种配置设置，不是从数据中学习到的，而是在训练过程之前设置的。它们基本上控制着模型的行为，并能显著影响其性能。每当你需要为机器学习模型找到超参数值的最佳组合时，你都需要执行超参数调整，你可以通过输入以下提示来完成。

提示：假设你是一名数据科学家，我有一个逻辑回归模型，并编写 Python 代码来调整超参数。

超参数调整

6.解释模型

每当你需要使用带有形状的图表来解释机器学习模型，并希望用任何语言（python）为其编写代码时，你可以直接前往 ChatGPT 并询问

提示：假设你是一名数据科学家，我已经训练了一个 LightGBM 模型。编写一个 Python 代码，使用一系列带有 Shape 的图来解释输出。

解释模型

C. ChatGPT 提示 SQL

7. SQL 格式

数据科学涉及以标准化和可读的方式组织和构建 SQL 查询和语句，为此，它需要适当的格式，以增强代码清晰度、提高可维护性并促进开发人员之间的协作。您可以在几秒钟内使用 ChatGPT 完成相同的操作-

提示：假设你是一名数据科学家，格式化以下SQL代码并将所有保留关键字转换为大写。

SQL 格式

8. DBMS 之间的转换

大多数情况下，作为一名数据分析师或数据科学家，您可能会遇到必须在多个 DBMS 中触发查询的情况，那时我们中的许多人都会对在哪个数据库中使用哪个查询感到困惑。为了简化这一点，您可以使用此提示在 DBMS 之间进行转换 -

提示：假设你是一名数据科学家，PostgreSQL 的 DATE_TRUNC 对于 MySQL 来说相当于什么？

DBMS 之间的转换

9. 计算跑道

数据科学中的跑道计算涉及估计完成项目所需的时间、预算或资源，并将其与可用资源或约束进行比较。为了表示完成项目所需的预计时间或剩余能力，我们计算跑道，您可以使用 ChatGPT 通过询问以下提示来计算跑道：

提示：假设你是一名数据科学家，编写 SQL 来计算你的跑道。

计算跑道

D. ChatGPT 提示编码

10.单元测试

有时候你需要测试一段特定的代码来验证或确认代码的正确性，那时你需要执行单元测试，这可以借助以下 ChatGPT 提示轻松完成 -

提示：假设你是一名数据科学家，为训练函数编写一个单元测试。测试用例是：x 不应为空值，y 应为数值。

单元测试

11.代码优化

为了使代码运行得更快、使用更少的系统资源或占用更少的内存，同时保持或改善其输出，我们需要优化代码。有几种技术可用于优化普通代码，例如算法优化、时间和空间复杂度优化、数据结构优化等。所有这些都可以通过使用 ChatGPT 提示来实现。

提示：假设你是一名数据科学家，你能否提高代码的时间复杂度？

Python

def sum_of_squares(n):    result = 0    for i in range(n):        result += i ** 2    return resultdef main():    num = int(input("Enter a number: "))    print("Sum of squares:", sum_of_squares(num))if __name__ == "__main__":    main()

优化-1

优化-2

12.代码解释

作为人类，有时经过很长一段时间后，理解别人编写的代码或自己编写的代码会变得困难。这时候，这个 ChatGPT 提示就可以有效地使用了。

提示：假设你是一名数据科学家，你能解释一下代码在做什么吗？

Python

def sum_of_squares(n):    result = 0    for i in range(n):        result += i ** 2    return resultdef main():    num = int(input("Enter a number: "))    print("Sum of squares:", sum_of_squares(num))if __name__ == "__main__":    main()