数据科学是一个不断发展的领域，不断涌入的数据使得用创新性解决复杂问题成为一个引人注目的案例。最近引起关注的解决方案之一是ChatGPT。这个由OpenAI开发的强大语言模型展示了卓越的自然语言理解和生成能力。

虽然ChatGPT主要用于对话和文本生成任务，数据科学家可以利用其潜力来简化和增强工作流程，使其过程更高效、更有产出。

本文介绍了数据科学家可以学习的技能，以充分利用ChatGPT的强大功能。

ChatGPT在数据科学工作流中的应用

ChatGPT可以成为一个多功能助手，能够生成代码、解释和见解。有效的ChatGPT提示可以帮助数据科学工作流程和代码调试。此外，迭代和实验性提示技术可以从ChatGPT中生成更准确、更有见地的回答。

掌握提示技巧

以下是有效提示ChatGPT的一些常见方法。

• 迭代提示: 它涉及构建基于先前回答的提示，促进对话流程。
• 实验性提示: 类似于迭代和实验性发展机器学习模型，数据科学家也可以尝试不同级别的提示。这是一个对于初学者数据科学家来说是一个关键技能，因为ChatGPT往往会假定任何缺失的信息，而不是询问它们。一个典型的例子是让ChatGPT读取文件并对数据进行处理的指令，这可能会导致ChatGPT假设输入文件是一个CSV文件。根据您的用例，这可能是真实的，也可能是错误的。因此，实验增量指导是一种最佳实践。
• 零样本和少样本学习: 当模型没有看到任何示例但收到指令进行回答时，这种直接提示被称为零样本学习，而少样本学习则涉及在提示之前提供一些示例供模型学习。

有效的提示技术对于从ChatGPT中提取有意义的信息至关重要。我们可以探索各种各样的方法，为期望的结果创建明确和精确的提示指令。

• 了解如何使用分隔符有效地构建指令和查询非常重要。
• 学习如何在提示中指定输入参数、所需步骤以及数据科学工作流程函数的返回数据结构。

为代码编写和调试引导ChatGPT

简化代码审查工作流程

高效的代码审查对于数据科学项目的成功至关重要。作为数据科学家，我们可以指导ChatGPT以增强代码审查工作流程，遵循编码标准和有效调试代码。

可以设计链式思维 (CoT) 提示来改善代码质量。作为一个快速参考，CoT是一种通过提供少量示例来调用LLM的推理过程的技术，明确概述推理过程。然后，模型遵循类似的推理过程来回答提示，从而提高模型在需要复杂推理的任务中的性能。

代码解释和简化

数据科学代码有时会变得复杂和难以理解，对于不太懂技术的受众来说更是如此。ChatGPT可以解释或简化复杂的代码，使其更易读和理解。对于代码解释和简化，CoT提示是很有帮助的。

代码优化

为了提高效率，优化代码是数据科学工作流程中的一个关键方面。 ChatGPT可以用于编写高效的代码并探索替代解决方案的可能性。

有效的CoT提示用于提出高效的替代代码以及解释说明。数据科学家还可以学习编写鼓励编写高效代码的提示，利用诸如“算法效率”之类的关键词或建议替代数据结构。

代码测试和验证

数据科学家还使用ChatGPT设计实际测试和断言、生成代码测试并验证代码的正确性。

对于Python中常用函数编写assert语句，无需提示即可非常有效。也可以开发用于生成单元测试以验证代码块的提示。

数据分析的提示工程

SQL数据分析

SQL是数据分析中的基本工具，ChatGPT可以协助生成各种任务的SQL查询。数据科学家可以尝试创建零样本CoT提示，以生成针对特定数据条件的SQL语句查询。

此外，他们还可以设计用于执行数据聚合的SQL命令的提示。

数据翻译和操作

在数据科学中，将数据在不同格式和语言之间进行翻译和操作是很常见的。数据科学家可以利用ChatGPT学习设计少样本比较和条件提示，将复杂的SQL查询转化为相应的Python代码。

他们还可以应用零样本和少样本提示技术，为不同字段计算聚合值并有效地操作数据。

数据转换和重塑

ChatGPT还可以协助数据转换和重塑任务，这在数据分析中非常频繁。我们可以应用上下文驱动的零样本提示技术， consoloidate利用不同来源的数据。此外，还设计用于创建混淆矩阵或透视表以进行数据重塑的少样本提示。

机器学习和叙事的提示

数据预处理

我们可以使用ChatGPT识别缺失字段并确定异常值。可以设计有效的提示来使用平均值和中位数值填充缺失数据。

数据可视化

作为数据从业者，我们可以通过上下文驱动的提示来生成用于创建各种图表和图形的代码。可以通过提供相关标签、图例和标题来改善数据表达的绘图格式和注释。

特征工程

特征工程是数据科学家工具箱中最受追捧的技能之一。ChatGPT可以帮助生成机器学习模型的有意义的特征，例如创建基于时间的特征工程。从日期时间列中提取的常见时间特征包括星期几、月份和年份。

此外，一般的特征工程也可以受益于ChatGPT，例如分箱、归一化和分类。

为非技术受众报告

ChatGPT可以识别技术和非技术沟通风格之间的关键差异，并认识到为特定受众定制沟通的重要性。基于上下文的迭代提示可以帮助使用非技术干系人可理解的术语和关键绩效指标来解释数据科学见解。

通过讨论各种提示技术，我们总结了此帖子，并有效地利用ChatGPT在数据科学工作流程中。这个详尽的路线图涵盖了ChatGPT如何成为提高编码、数据分析、机器学习或讲故事效率和生产力的有价值工具。

[Vidhi Chugh](https://vidhi-chugh.medium.com/)是一位人工智能策略师和数字化转型领导者，致力于在产品、科学和工程的交叉领域构建可扩展的机器学习系统。她是一位屡获殊荣的创新领导者、作家和国际演讲者。她的使命是普及机器学习，并为每个人打破术语障碍，参与到这个变革中。