সম্পাদক দ্বারা চিত্র
14 মার্চ, 2023-এ, OpenAI তাদের ভাষা মডেলের নতুন এবং সবচেয়ে শক্তিশালী সংস্করণ GPT-4 চালু করেছে।
এটি চালু হওয়ার মাত্র কয়েক ঘণ্টার মধ্যে, GPT-4 এ ঘুরিয়ে মানুষকে হতবাক করে দেয় একটি কার্যকরী ওয়েবসাইটে হাতে আঁকা স্কেচ, বার পরীক্ষায় উত্তীর্ণ, এবং উইকিপিডিয়া নিবন্ধের সঠিক সারাংশ তৈরি করা.
এটি তার পূর্বসূরী, GPT-3.5, গণিত সমস্যা সমাধান এবং যুক্তি ও যুক্তির উপর ভিত্তি করে প্রশ্নের উত্তর দেওয়ার ক্ষেত্রেও ছাড়িয়ে গেছে।
ChatGPT, চ্যাটবট যা GPT-3.5 এর উপরে তৈরি করা হয়েছিল এবং জনসাধারণের কাছে প্রকাশ করা হয়েছিল, "হ্যালুসিনেটিং" এর জন্য কুখ্যাত ছিল। এটি এমন প্রতিক্রিয়া তৈরি করবে যা আপাতদৃষ্টিতে সঠিক ছিল এবং এর উত্তরগুলিকে "তথ্য" দিয়ে রক্ষা করবে, যদিও সেগুলি ত্রুটিপূর্ণ ছিল।
একজন ব্যবহারকারী টুইটারে মডেলটি জোর দিয়ে বলেছিল যে হাতির ডিম সমস্ত স্থল প্রাণীর মধ্যে সবচেয়ে বড়:
চিত্র থেকে ফিওরাএটার্না
এবং এটি সেখানে থামেনি। অ্যালগরিদম তার প্রতিক্রিয়াকে তৈরি করা তথ্যগুলির সাথে সমর্থন করতে গিয়েছিল যা প্রায় এক মুহুর্তের জন্য আমাকে বিশ্বাস করেছিল।
অন্যদিকে, GPT-4 কম প্রায়ই "হ্যালুসিনেট" করার জন্য প্রশিক্ষিত ছিল। ওপেনএআই-এর সর্বশেষ মডেলটি প্রতারণা করা কঠিন এবং আত্মবিশ্বাসের সাথে প্রায়শই মিথ্যা তৈরি করে না।
একজন ডেটা সায়েন্টিস্ট হিসেবে, আমার চাকরির জন্য আমাকে প্রাসঙ্গিক ডেটা উৎস খুঁজে বের করতে হবে, বড় ডেটাসেটগুলিকে প্রিপ্রসেস করতে হবে এবং ব্যবসার মূল্যকে চালিত করে এমন অত্যন্ত সঠিক মেশিন লার্নিং মডেল তৈরি করতে হবে।
আমি আমার দিনের একটি বিশাল অংশ বিভিন্ন ফাইল ফরম্যাট থেকে ডেটা বের করে এক জায়গায় একত্রিত করতে ব্যয় করি।
After ChatGPT was first launched in November 2022, I looked to the chatbot for some guidance with my daily workflows. I used the tool to save the amount of time spent on menial work - so that I could focus on coming up with new ideas and creating better models instead.
একবার GPT-4 প্রকাশ করা হলে, আমি যে কাজটি করছি তাতে এটি কোনও পার্থক্য করবে কিনা তা নিয়ে আমি কৌতূহলী ছিলাম। তার পূর্বসূরীদের তুলনায় GPT-4 ব্যবহার করার কোন উল্লেখযোগ্য সুবিধা ছিল? এটা কি আমাকে GPT-3.5 এর সাথে আগে থেকে আরো বেশি সময় বাঁচাতে সাহায্য করবে?
এই নিবন্ধে, আমি আপনাকে দেখাব কিভাবে আমি ডেটা সায়েন্স ওয়ার্কফ্লো স্বয়ংক্রিয় করতে ChatGPT ব্যবহার করি।
আমি একই প্রম্পট তৈরি করব এবং সেগুলিকে GPT-4 এবং GPT-3.5 উভয়ের মধ্যেই ফিড করব, দেখতে হবে যে আগেরটি প্রকৃতপক্ষে আরও ভাল পারফর্ম করে এবং আরও বেশি সময় সাশ্রয় করে।
আপনি যদি এই নিবন্ধে আমি যা কিছু করি তার সাথে সাথে অনুসরণ করতে চান, আপনার GPT-4 এবং GPT-3.5-এ অ্যাক্সেস থাকতে হবে।
GPT-3.5
GPT-3.5 ওপেনএআই-এর ওয়েবসাইটে সর্বজনীনভাবে উপলব্ধ। সহজভাবে নেভিগেট করুন https://chat.openai.com/auth/login, প্রয়োজনীয় বিশদটি পূরণ করুন এবং আপনার ভাষা মডেলে অ্যাক্সেস থাকবে:
চিত্র থেকে চ্যাটজিপিটি
GPT-4
অন্যদিকে, GPT-4 বর্তমানে একটি পেওয়ালের আড়ালে লুকিয়ে আছে। মডেলটি অ্যাক্সেস করতে, আপনাকে "আপগ্রেড টু প্লাস" এ ক্লিক করে ChatGPTPlus-এ আপগ্রেড করতে হবে।
প্রতি মাসে $20 এর একটি মাসিক সাবস্ক্রিপশন ফি আছে যা যে কোনো সময় বাতিল করা যেতে পারে:
চিত্র থেকে চ্যাটজিপিটি
আপনি যদি মাসিক সাবস্ক্রিপশন ফি দিতে না চান, আপনিও যোগ দিতে পারেন API অপেক্ষা তালিকা GPT-4 এর জন্য। একবার আপনি API-তে অ্যাক্সেস পেয়ে গেলে, আপনি অনুসরণ করতে পারেন এই পাইথনে এটি ব্যবহার করার জন্য গাইড।
আপনার যদি বর্তমানে GPT-4 অ্যাক্সেস না থাকে তবে ঠিক আছে।
আপনি এখনও এই টিউটোরিয়ালটি ChatGPT-এর বিনামূল্যের সংস্করণটি অনুসরণ করতে পারেন যা ব্যাকএন্ডে GPT-3.5 ব্যবহার করে।
1. ডেটা ভিজ্যুয়ালাইজেশন
অনুসন্ধানমূলক ডেটা বিশ্লেষণ সম্পাদন করার সময়, পাইথনে একটি দ্রুত ভিজ্যুয়ালাইজেশন তৈরি করা প্রায়ই আমাকে ডেটাসেটটি আরও ভালভাবে বুঝতে সাহায্য করে।
Unfortunately, this task can become incredibly time-consuming - especially when you don’t know the right syntax to use to get the desired result.
আমি প্রায়ই নিজেকে সিবোর্নের বিস্তৃত ডকুমেন্টেশনের মাধ্যমে অনুসন্ধান করি এবং একটি একক পাইথন প্লট তৈরি করতে স্ট্যাকওভারফ্লো ব্যবহার করি।
আসুন দেখি ChatGPT এই সমস্যা সমাধানে সাহায্য করতে পারে কিনা।
আমরা ব্যবহার করা হবে পিমা ইন্ডিয়ানস ডায়াবেটিস এই বিভাগে ডেটাসেট। আপনি যদি ChatGPT দ্বারা উত্পন্ন ফলাফলগুলি অনুসরণ করতে চান তবে আপনি ডেটাসেটটি ডাউনলোড করতে পারেন৷
ডেটাসেটটি ডাউনলোড করার পরে, আসুন পান্ডাস লাইব্রেরি ব্যবহার করে এটি পাইথনে লোড করি এবং ডেটাফ্রেমের মাথাটি প্রিন্ট করি:
import pandas as pd df = pd.read_csv('diabetes.csv')
df.head()
এই ডেটাসেটে নয়টি ভেরিয়েবল রয়েছে। তাদের মধ্যে একটি, "ফলাফল", লক্ষ্য পরিবর্তনশীল যা আমাদের বলে যে একজন ব্যক্তির ডায়াবেটিস হবে কিনা। অবশিষ্টগুলি ফলাফলের পূর্বাভাস দিতে ব্যবহৃত স্বাধীন ভেরিয়েবল।
ঠিক আছে! তাই আমি দেখতে চাই যে এই ভেরিয়েবলগুলির মধ্যে কোনটির প্রভাব একজন ব্যক্তির ডায়াবেটিস হবে কিনা।
এটি অর্জন করতে, আমরা ডেটাসেটের সমস্ত নির্ভরশীল ভেরিয়েবল জুড়ে "ডায়াবেটিস" ভেরিয়েবলটিকে কল্পনা করার জন্য একটি ক্লাস্টারড বার চার্ট তৈরি করতে পারি।
এটি আসলে কোড করা বেশ সহজ, তবে এর সহজ শুরু করা যাক। আমরা নিবন্ধের মাধ্যমে অগ্রসর হওয়ার সাথে সাথে আমরা আরও জটিল প্রম্পটের দিকে এগিয়ে যাব।
GPT-3.5 সহ ডেটা ভিজ্যুয়ালাইজেশন
যেহেতু আমার ChatGPT-এ একটি অর্থপ্রদানের সদস্যতা রয়েছে, তাই টুলটি আমাকে অন্তর্নিহিত মডেলটি নির্বাচন করতে দেয় যা আমি প্রতিবার অ্যাক্সেস করার সময় ব্যবহার করতে চাই।
আমি GPT-3.5 নির্বাচন করতে যাচ্ছি:
চ্যাটজিপিটি প্লাস থেকে ছবি
আপনার যদি সাবস্ক্রিপশন না থাকে, আপনি ChatGPT-এর বিনামূল্যের সংস্করণ ব্যবহার করতে পারেন যেহেতু চ্যাটবট ডিফল্টরূপে GPT-3.5 ব্যবহার করে।
এখন, ডায়াবেটিস ডেটাসেট ব্যবহার করে একটি ভিজ্যুয়ালাইজেশন তৈরি করতে নিম্নলিখিত প্রম্পটটি টাইপ করা যাক:
I have a dataset with 8 independent variables and 1 dependent variable. The dependent variable, "Outcome", tells us whether a person will develop diabetes.
The independent variables, "Pregnancies", "Glucose", "BloodPressure", "SkinThickness", "Insulin", "BMI", "DiabetesPedigreeFunction", and "Age" are used to predict this outcome.
Can you generate Python code to visualize all these independent variables by outcome? The output should be one clustered bar chart that is colored by the "Outcome" variable. There should be 16 bars in total, 2 for each independent variable.
উপরের প্রম্পটে মডেলের প্রতিক্রিয়া এখানে:
একটি জিনিস যা অবিলম্বে দাঁড়িয়েছে তা হল মডেলটি ধরে নিয়েছে যে আমরা Seaborn থেকে একটি ডেটাসেট আমদানি করতে চাই৷ এটি সম্ভবত এই অনুমান তৈরি করেছে যেহেতু আমরা এটিকে Seaborn লাইব্রেরি ব্যবহার করতে বলেছি।
এটি একটি বিশাল সমস্যা নয়, কোডগুলি চালানোর আগে আমাদের কেবল একটি লাইন পরিবর্তন করতে হবে।
এখানে GPT-3.5 দ্বারা তৈরি সম্পূর্ণ কোড স্নিপেট রয়েছে:
import seaborn as sns
import matplotlib.pyplot as plt # Load the dataset
dataset = pd.read_csv("diabetes.csv") # Create the bar chart
sns.barplot( x="variable", y="value", hue="Outcome", data=pd.melt(dataset, id_vars=["Outcome"]), ci=None,
) # Set the title and labels
plt.title("Dependent Variables by Outcome")
plt.xlabel("Independent Variables")
plt.ylabel("Value") # Show the chart
plt.show()
আপনি এটিকে আপনার Python IDE-এ কপি করে পেস্ট করতে পারেন।
উপরের কোডটি চালানোর পরে উত্পন্ন ফলাফল এখানে:
এই চার্ট নিখুঁত দেখায়! চ্যাটজিপিটি-তে প্রম্পট টাইপ করার সময় আমি ঠিক কীভাবে এটি কল্পনা করেছি।
একটি সমস্যা যা দাঁড়িয়েছে, তবে, এই চার্টের পাঠ্যটি ওভারল্যাপ করছে। নিম্নলিখিত প্রম্পটটি টাইপ করে আমি মডেলটিকে জিজ্ঞাসা করতে যাচ্ছি যে এটি আমাদের এটি ঠিক করতে সাহায্য করতে পারে কিনা:
অ্যালগরিদম ব্যাখ্যা করেছে যে আমরা চার্ট লেবেলগুলি ঘোরানোর মাধ্যমে বা চিত্রের আকার সামঞ্জস্য করে এই ওভারল্যাপটি প্রতিরোধ করতে পারি। এটি আমাদের এটি অর্জনে সহায়তা করার জন্য নতুন কোডও তৈরি করেছে।
এটি আমাদের পছন্দসই ফলাফল দেয় কিনা তা দেখতে এই কোডটি চালাই:
import seaborn as sns
import matplotlib.pyplot as plt # Load the dataset
dataset = pd.read_csv("diabetes.csv") # Create the bar chart
sns.barplot( x="variable", y="value", hue="Outcome", data=pd.melt(dataset, id_vars=["Outcome"]), ci=None,
) # Set the title and labels
plt.title("Dependent Variables by Outcome")
plt.xlabel("Independent Variables")
plt.ylabel("Value") # Rotate the x-axis labels by 45 degrees and set horizontal alignment to right
plt.xticks(rotation=45, ha="right") # Show the chart
plt.show()
কোডের উপরের লাইনগুলি নিম্নলিখিত আউটপুট তৈরি করবে:
এটি দুর্দান্ত দেখাচ্ছে!
আমি এই চার্টটি দেখে ডেটাসেটটি এখন অনেক ভালোভাবে বুঝতে পারি। এটা মনে হয় যে উচ্চতর গ্লুকোজ এবং ইনসুলিনের মাত্রা যাদের ডায়াবেটিস হওয়ার সম্ভাবনা বেশি।
এছাড়াও, লক্ষ্য করুন যে "DiabetesPedigreeFunction" ভেরিয়েবল আমাদের এই চার্টে কোনো তথ্য দেয় না। এটি কারণ বৈশিষ্ট্যটি একটি ছোট স্কেলে (0 এবং 2.4 এর মধ্যে)। আপনি যদি ChatGPT নিয়ে আরও পরীক্ষা-নিরীক্ষা করতে চান, তাহলে আপনি এই সমস্যাটি সমাধানের জন্য একটি একক চার্টের মধ্যে একাধিক সাবপ্লট তৈরি করতে অনুরোধ করতে পারেন।
GPT-4 সহ ডেটা ভিজ্যুয়ালাইজেশন
এখন, GPT-4-এ একই প্রম্পট ফিড করা যাক আমরা একটি ভিন্ন প্রতিক্রিয়া পাই কিনা। আমি ChatGPT-এর মধ্যে GPT-4 মডেল নির্বাচন করতে যাচ্ছি এবং আগের মতো একই প্রম্পটে টাইপ করতে যাচ্ছি:
লক্ষ্য করুন কিভাবে GPT-4 অনুমান করে না যে আমরা একটি ডেটাফ্রেম ব্যবহার করব যা Seaborn-এ নির্মিত।
এটি আমাদের বলে যে এটি ভিজ্যুয়ালাইজেশন তৈরি করতে "df" নামক একটি ডেটাফ্রেম ব্যবহার করবে, যা GPT-3.5 দ্বারা উত্পন্ন প্রতিক্রিয়া থেকে একটি উন্নতি৷
এই অ্যালগরিদম দ্বারা উত্পন্ন সম্পূর্ণ কোড এখানে:
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt # Assuming your DataFrame is called df
# First, you need to melt the DataFrame to make # it suitable for creating a clustered bar chart
melted_df = pd.melt( df, id_vars=["Outcome"], var_name="Independent Variable", value_name="Value",
) # Create the clustered bar chart
plt.figure(figsize=(12, 6))
sns.barplot( data=melted_df, x="Independent Variable", y="Value", hue="Outcome", ci=None,
) # Customize the plot
plt.title("Independent Variables by Outcome")
plt.ylabel("Average Value")
plt.xlabel("Independent Variables")
plt.legend(title="Outcome", loc="upper right") # Show the plot
plt.show()
উপরের কোডটি নিম্নলিখিত প্লট তৈরি করা উচিত:
এটি নিখুঁত!
যদিও আমরা এটি করতে না বলি, GPT-4 প্লটের আকার বাড়ানোর জন্য কোডের একটি লাইন অন্তর্ভুক্ত করেছে। এই চার্টের লেবেলগুলি সবই স্পষ্টভাবে দৃশ্যমান, তাই আমাদের আর আগের মতো কোডটি সংশোধন করতে হবে না।
এটি GPT-3.5 দ্বারা উত্পন্ন প্রতিক্রিয়ার একটি ধাপ উপরে৷
সামগ্রিকভাবে, যাইহোক, মনে হচ্ছে যে GPT-3.5 এবং GPT-4 উভয়ই ডেটা ভিজ্যুয়ালাইজেশন এবং বিশ্লেষণের মতো কাজগুলি সম্পাদন করার জন্য কোড তৈরি করতে কার্যকর।
এটা মনে রাখা গুরুত্বপূর্ণ যে আপনি যেহেতু ChatGPT-এর ইন্টারফেসে ডেটা আপলোড করতে পারবেন না, তাই সর্বোত্তম ফলাফলের জন্য আপনার ডেটাসেটের সঠিক বিবরণ সহ মডেলটি প্রদান করা উচিত।
2. পিডিএফ ডকুমেন্ট নিয়ে কাজ করা
যদিও এটি একটি সাধারণ ডেটা সায়েন্স ব্যবহার-কেস নয়, আমাকে একবার সেন্টিমেন্ট বিশ্লেষণ মডেল তৈরি করতে শত শত পিডিএফ ফাইল থেকে পাঠ্য ডেটা বের করতে হয়েছিল। ডেটা অসংগঠিত ছিল, এবং আমি এটি নিষ্কাশন এবং প্রিপ্রসেস করতে অনেক সময় ব্যয় করেছি।
আমি প্রায়শই গবেষকদের সাথে কাজ করি যারা নির্দিষ্ট শিল্পে ঘটছে বর্তমান ইভেন্টগুলির বিষয়ে কন্টেন্ট পড়ে এবং তৈরি করে। তাদের সংবাদের শীর্ষে থাকতে হবে, কোম্পানির প্রতিবেদনের মাধ্যমে পার্স করতে হবে এবং শিল্পের সম্ভাব্য প্রবণতাগুলি সম্পর্কে পড়তে হবে।
একটি কোম্পানির প্রতিবেদনের 100 পৃষ্ঠা পড়ার পরিবর্তে, আপনার আগ্রহের শব্দগুলি বের করা এবং শুধুমাত্র সেই কীওয়ার্ডগুলি রয়েছে এমন বাক্যগুলির মাধ্যমে পড়া সহজ নয় কি?
অথবা আপনি যদি প্রবণতায় আগ্রহী হন, আপনি একটি স্বয়ংক্রিয় কর্মপ্রবাহ তৈরি করতে পারেন যা প্রতিটি প্রতিবেদন ম্যানুয়ালি না করে সময়ের সাথে সাথে কীওয়ার্ড বৃদ্ধিকে দেখায়।
এই বিভাগে, আমরা পাইথনে পিডিএফ ফাইলগুলি বিশ্লেষণ করতে ChatGPT ব্যবহার করব। আমরা চ্যাটবটকে পিডিএফ ফাইলের বিষয়বস্তু বের করে একটি টেক্সট ফাইলে লিখতে বলব।
আবার, জেনারেট করা কোডের মধ্যে উল্লেখযোগ্য পার্থক্য আছে কিনা তা দেখতে GPT-3.5 এবং GPT-4 উভয় ব্যবহার করেই এটি করা হবে।
GPT-3.5 দিয়ে PDF ফাইল পড়া
এই বিভাগে, আমরা শিরোনাম একটি সর্বজনীনভাবে উপলব্ধ PDF নথি বিশ্লেষণ করা হবে ইঞ্জিনিয়ারদের জন্য মেশিন লার্নিংয়ের একটি সংক্ষিপ্ত ভূমিকা. আপনি যদি এই বিভাগে কোড করতে চান তবে এই ফাইলটি ডাউনলোড করতে ভুলবেন না।
প্রথমে, আসুন অ্যালগরিদমকে এই পিডিএফ ডকুমেন্ট থেকে ডেটা বের করতে এবং একটি টেক্সট ফাইলে সংরক্ষণ করতে পাইথন কোড তৈরি করতে বলি:
এখানে অ্যালগরিদম দ্বারা প্রদত্ত সম্পূর্ণ কোড:
import PyPDF2 # Open the PDF file in read-binary mode
with open("Intro_to_ML.pdf", "rb") as pdf_file: # Create a PDF reader object pdf_reader = PyPDF2.PdfFileReader(pdf_file) # Get the total number of pages in the PDF file num_pages = pdf_reader.getNumPages() # Create a new text file with open("output_file.txt", "w") as txt_file: # Loop through each page in the PDF file for page_num in range(num_pages): # Get the text from the current page page_text = pdf_reader.getPage(page_num).extractText() # Write the text to the text file txt_file.write(page_text)
(দ্রষ্টব্য: এই কোডটি চালানোর আগে আপনি যে পিডিএফ ফাইলের নামটি সংরক্ষণ করেছেন সেটিতে পরিবর্তন করতে ভুলবেন না।)
দুর্ভাগ্যবশত, GPT-3.5 দ্বারা উত্পন্ন কোড চালানোর পরে, আমি নিম্নলিখিত ইউনিকোড ত্রুটির সম্মুখীন হয়েছি:
আসুন GPT-3.5-এ ফিরে যাই এবং দেখুন মডেলটি এটি ঠিক করতে পারে কিনা:
আমি ChatGPT-এ ত্রুটিটি পেস্ট করেছি, এবং মডেলটি প্রতিক্রিয়া জানিয়েছে যে এটি "utf-8" এ ব্যবহৃত এনকোডিং পরিবর্তন করে সংশোধন করা যেতে পারে। এটি আমাকে কিছু পরিবর্তিত কোড দিয়েছে যা এই পরিবর্তনকে প্রতিফলিত করেছে:
import PyPDF2 # Open the PDF file in read-binary mode
with open("Intro_to_ML.pdf", "rb") as pdf_file: # Create a PDF reader object pdf_reader = PyPDF2.PdfFileReader(pdf_file) # Get the total number of pages in the PDF file num_pages = pdf_reader.getNumPages() # Create a new text file with utf-8 encoding with open("output_file.txt", "w", encoding="utf-8") as txt_file: # Loop through each page in the PDF file for page_num in range(num_pages): # Get the text from the current page page_text = pdf_reader.getPage(page_num).extractText() # Write the text to the text file txt_file.write(page_text)
এই কোডটি সফলভাবে কার্যকর হয়েছে এবং "output_file.txt" নামে একটি পাঠ্য ফাইল তৈরি করেছে৷ পিডিএফ নথির সমস্ত বিষয়বস্তু ফাইলটিতে লেখা হয়েছে:
GPT-4 দিয়ে PDF ফাইল পড়া
এখন, মডেলটি কী আসে তা দেখতে আমি একই প্রম্পট GPT-4 এ পেস্ট করতে যাচ্ছি:
এখানে GPT-4 দ্বারা উত্পন্ন সম্পূর্ণ কোড:
import PyPDF2 def pdf_to_text(input_pdf, output_txt): with open(input_pdf, "rb") as pdf_file: pdf_reader = PyPDF2.PdfFileReader(pdf_file) num_pages = pdf_reader.numPages text = "" for page_num in range(num_pages): page = pdf_reader.getPage(page_num) text += page.extractText() with open(output_txt, "w", encoding="utf-8") as text_file: text_file.write(text) input_pdf = "Intro_to_ML.pdf"
output_txt = "output_gpt4.txt"
pdf_to_text(input_pdf, output_txt)
ঐ দিকে তাকান!
GPT-3.5 এর বিপরীতে, GPT-4 ইতিমধ্যেই নির্দিষ্ট করেছে যে টেক্সট ফাইল খুলতে "utf-8" এনকোডিং ব্যবহার করা উচিত। আমাদের আর আগের মত কোড সংশোধন করার দরকার নেই।
GPT-4 দ্বারা প্রদত্ত কোডটি সফলভাবে কার্যকর করা উচিত এবং আপনার তৈরি করা টেক্সট ফাইলে PDF নথির বিষয়বস্তু দেখতে হবে।
পাইথনের সাথে PDF নথি স্বয়ংক্রিয় করতে আপনি ব্যবহার করতে পারেন এমন আরও অনেক কৌশল রয়েছে। আপনি যদি এটি আরও অন্বেষণ করতে চান তবে এখানে আরও কিছু প্রম্পট রয়েছে যা আপনি ChatGPT-এ টাইপ করতে পারেন:
- আপনি দুটি পিডিএফ ফাইল মার্জ করতে পাইথন কোড লিখতে পারেন?
- পাইথনের সাথে একটি পিডিএফ নথিতে আমি কীভাবে একটি নির্দিষ্ট শব্দ বা বাক্যাংশের ঘটনাগুলি গণনা করতে পারি?
- আপনি কি পিডিএফ থেকে টেবিল বের করতে এবং এক্সেলে লিখতে পাইথন কোড লিখতে পারেন?
I suggest trying some of these during your free time - you’d be surprised at how quickly GPT-4 can help you accomplish menial tasks that usually take hours to perform.
3. স্বয়ংক্রিয় ইমেল পাঠানো
আমি আমার কাজের সপ্তাহের কয়েক ঘন্টা ইমেল পড়তে এবং উত্তর দিতে ব্যয় করি। এটি কেবল সময়সাপেক্ষ নয়, আপনি যখন কঠোর সময়সীমা অনুসরণ করছেন তখন ইমেলের শীর্ষে থাকাও অবিশ্বাস্যভাবে চাপযুক্ত হতে পারে।
এবং যদিও আপনি আপনার জন্য আপনার সমস্ত ইমেল লেখার জন্য ChatGPT পেতে পারেন না (আমি চাই), আপনি এখনও এটি ব্যবহার করতে পারেন এমন প্রোগ্রামগুলি লিখতে যা একটি নির্দিষ্ট সময়ে নির্ধারিত ইমেল পাঠায় বা একটি একক ইমেল টেমপ্লেট সংশোধন করে যা একাধিক লোককে পাঠানো যেতে পারে। .
এই বিভাগে, আমরা স্বয়ংক্রিয় ইমেল পাঠাতে পাইথন স্ক্রিপ্ট লিখতে সাহায্য করার জন্য GPT-3.5 এবং GPT-4 পাব।
GPT-3.5 দিয়ে স্বয়ংক্রিয় ইমেল পাঠানো
প্রথমে, আসুন একটি স্বয়ংক্রিয় ইমেল পাঠাতে কোড তৈরি করতে নিম্নলিখিত প্রম্পটটি টাইপ করি:
এখানে GPT-3.5 দ্বারা তৈরি সম্পূর্ণ কোড (এই কোডটি চালানোর আগে ইমেল ঠিকানা এবং পাসওয়ার্ড পরিবর্তন করতে ভুলবেন না):
import smtplib # Set up SMTP connection
smtp_server = "smtp.gmail.com"
smtp_port = 587
sender_email = "your_email@gmail.com"
sender_password = "your_password"
receiver_email = "receiver_email@example.com" with smtplib.SMTP(smtp_server, smtp_port) as smtp: # Start TLS encryption smtp.starttls() # Log in to your Gmail account smtp.login(sender_email, sender_password) # Compose your email message subject = "Automated email" body = "Hello,nnThis is an automated email sent from Python." message = f"Subject: {subject}nn{body}" # Send the email smtp.sendmail(sender_email, receiver_email, message)
দুর্ভাগ্যবশত, এই কোডটি আমার জন্য সফলভাবে কার্যকর হয়নি। এটি নিম্নলিখিত ত্রুটি তৈরি করেছে:
আসুন এই ত্রুটিটি ChatGPT-এ পেস্ট করি এবং দেখুন মডেলটি আমাদের এটি সমাধান করতে সাহায্য করতে পারে কিনা:
ঠিক আছে, তাই অ্যালগরিদম কয়েকটি কারণ নির্দেশ করেছে যে কেন আমরা এই ত্রুটির মধ্যে চলেছি।
আমি একটি সত্যের জন্য জানি যে আমার লগইন শংসাপত্র এবং ইমেল ঠিকানাগুলি বৈধ ছিল এবং কোডটিতে কোনও টাইপ করা হয়নি৷ তাই এসব কারণ উড়িয়ে দেওয়া যায়।
GPT-3.5 এছাড়াও পরামর্শ দেয় যে কম নিরাপদ অ্যাপগুলিকে অনুমতি দিলে এই সমস্যার সমাধান হতে পারে।
আপনি যদি এটি চেষ্টা করেন তবে, আপনি আপনার Google অ্যাকাউন্টে কম সুরক্ষিত অ্যাপগুলিতে অ্যাক্সেসের অনুমতি দেওয়ার জন্য কোনও বিকল্প পাবেন না।
এর কারণ গুগল আর নেই নিরাপত্তা উদ্বেগের কারণে ব্যবহারকারীদের কম নিরাপদ অ্যাপের অনুমতি দেয়।
অবশেষে, GPT-3.5 এছাড়াও উল্লেখ করে যে একটি অ্যাপ পাসওয়ার্ড তৈরি করা উচিত যদি দ্বি-ফ্যাক্টর প্রমাণীকরণ সক্ষম করা হয়।
আমার কাছে দ্বি-ফ্যাক্টর প্রমাণীকরণ সক্ষম নেই, তাই আমি (সাময়িকভাবে) এই মডেলটি ছেড়ে দিতে যাচ্ছি এবং GPT-4 এর একটি সমাধান আছে কিনা তা দেখতে যাচ্ছি।
GPT-4 দিয়ে স্বয়ংক্রিয় ইমেল পাঠানো
ঠিক আছে, তাই আপনি যদি একই প্রম্পট GPT-4-এ টাইপ করেন, তাহলে আপনি দেখতে পাবেন যে অ্যালগরিদম কোড তৈরি করে যা GPT-3.5 আমাদের দিয়েছে। এটি একই ত্রুটির কারণ হবে যা আমরা আগে করেছি।
আসুন দেখি GPT-4 এই ত্রুটিটি ঠিক করতে আমাদের সাহায্য করতে পারে কিনা:
GPT-4 এর পরামর্শগুলি আমরা আগে যা দেখেছি তার সাথে অনেক মিল।
যাইহোক, এই সময়, এটি আমাদের প্রতিটি ধাপ কিভাবে সম্পন্ন করতে হয় তার একটি ধাপে ধাপে ব্রেকডাউন দেয়।
GPT-4 এছাড়াও একটি অ্যাপ পাসওয়ার্ড তৈরি করার পরামর্শ দেয়, তাই আসুন এটি চেষ্টা করে দেখি।
প্রথমে, আপনার Google অ্যাকাউন্টে যান, "নিরাপত্তা" এ নেভিগেট করুন এবং দ্বি-ফ্যাক্টর প্রমাণীকরণ সক্ষম করুন৷ তারপরে, একই বিভাগে, আপনি "অ্যাপ পাসওয়ার্ড" বলে একটি বিকল্প দেখতে পাবেন।
এটিতে ক্লিক করুন এবং নিম্নলিখিত পর্দা প্রদর্শিত হবে:
আপনি আপনার পছন্দ মতো যেকোনো নাম লিখতে পারেন এবং "জেনারেট" এ ক্লিক করতে পারেন।
একটি নতুন অ্যাপ পাসওয়ার্ড প্রদর্শিত হবে।
এই অ্যাপ পাসওয়ার্ড দিয়ে পাইথন কোডে আপনার বিদ্যমান পাসওয়ার্ডটি প্রতিস্থাপন করুন এবং কোডটি আবার চালান:
import smtplib # Set up SMTP connection
smtp_server = "smtp.gmail.com"
smtp_port = 587
sender_email = "your_email@gmail.com"
sender_password = "YOUR_APP_PASSWORD"
receiver_email = "receiver_email@example.com" with smtplib.SMTP(smtp_server, smtp_port) as smtp: # Start TLS encryption smtp.starttls() # Log in to your Gmail account smtp.login(sender_email, sender_password) # Compose your email message subject = "Automated email" body = "Hello,nnThis is an automated email sent from Python." message = f"Subject: {subject}nn{body}" # Send the email smtp.sendmail(sender_email, receiver_email, message)
এটি এই সময় সফলভাবে চালানো উচিত, এবং আপনার প্রাপক একটি ইমেল পাবেন যা এইরকম দেখাচ্ছে:
পারফেক্ট!
ChatGPT কে ধন্যবাদ, আমরা পাইথনের সাথে সফলভাবে একটি স্বয়ংক্রিয় ইমেল পাঠিয়েছি।
আপনি যদি এটিকে আরও এক ধাপ এগিয়ে নিতে চান, তাহলে আমি প্রম্পট তৈরি করার পরামর্শ দিই যা আপনাকে অনুমতি দেয়:
- একই সময়ে একাধিক প্রাপককে বাল্ক ইমেল পাঠান
- ইমেল ঠিকানাগুলির একটি পূর্বনির্ধারিত তালিকায় নির্ধারিত ইমেলগুলি পাঠান
- প্রাপকদের একটি কাস্টমাইজড ইমেল পাঠান যা তাদের বয়স, লিঙ্গ এবং অবস্থান অনুসারে তৈরি।
নাতাশা সেলভরাজ লেখার জন্য আবেগ সহ একজন স্ব-শিক্ষিত ডেটা বিজ্ঞানী। আপনি তার সাথে সংযোগ করতে পারেন লিঙ্কডইন.
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- উত্স: https://www.kdnuggets.com/2023/03/automate-boring-stuff-chatgpt-python.html?utm_source=rss&utm_medium=rss&utm_campaign=automate-the-boring-stuff-with-chatgpt-and-python
- : হয়
- $ ইউপি
- 1
- 100
- 2022
- 2023
- 7
- 8
- a
- সম্পর্কে
- উপরে
- প্রবেশ
- সম্পাদন
- হিসাব
- সঠিক
- অর্জন করা
- দিয়ে
- প্রকৃতপক্ষে
- ঠিকানাগুলি
- পর
- অ্যালগরিদম
- সব
- অনুমতি
- অনুমতি
- ইতিমধ্যে
- যদিও
- পরিমাণ
- বিশ্লেষণ
- বিশ্লেষণ করা
- বিশ্লেষণ
- এবং
- প্রাণী
- উত্তর
- API
- অ্যাপ্লিকেশন
- প্রদর্শিত
- অ্যাপস
- রয়েছি
- প্রবন্ধ
- AS
- অধিকৃত
- ধৃষ্টতা
- At
- প্রমাণীকরণ
- স্বয়ংক্রিয় পদ্ধতি প্রয়োগ করা
- অটোমেটেড
- সহজলভ্য
- গড়
- পিছনে
- ব্যাক-এন্ড
- বার
- বার
- ভিত্তি
- BE
- কারণ
- পরিণত
- আগে
- পিছনে
- সুবিধা
- উত্তম
- মধ্যে
- BMI
- শরীর
- Boring
- ভাঙ্গন
- নির্মাণ করা
- নির্মিত
- ব্যবসায়
- by
- নামক
- CAN
- বাতিল করা হয়েছে
- না পারেন
- কারণ
- পরিবর্তন
- পরিবর্তন
- তালিকা
- chatbot
- চ্যাটজিপিটি
- পরিষ্কারভাবে
- ক্লিক
- কোড
- এর COM
- আসছে
- সাধারণ
- কোম্পানি
- কোম্পানির
- সম্পূর্ণ
- জটিল
- উদ্বেগ
- অসংশয়ে
- সংযোগ করা
- সংযোগ
- সংহত
- বিষয়বস্তু
- সুখী
- সমর্থন করা
- পারা
- সৃষ্টি
- নির্মিত
- তৈরি করা হচ্ছে
- পরিচয়পত্র
- অদ্ভুত
- বর্তমান
- এখন
- কাস্টমাইজ
- কাস্টমাইজড
- দৈনিক
- উপাত্ত
- তথ্য বিশ্লেষণ
- তথ্য বিজ্ঞান
- তথ্য বিজ্ঞানী
- ডেটা ভিজ্যুয়ালাইজেশন
- ডেটাসেট
- দিন
- ডিফল্ট
- নির্ভরশীল
- বিবরণ
- বিস্তারিত
- বিকাশ
- ডায়াবেটিস
- DID
- পার্থক্য
- বিভিন্ন
- দলিল
- ডকুমেন্টেশন
- কাগজপত্র
- না
- করছেন
- Dont
- ডাউনলোড
- ড্রাইভ
- সময়
- প্রতি
- পূর্বে
- সহজ
- কার্যকর
- ডিম
- পারেন
- হাতি
- ইমেইল
- ইমেল
- সক্ষম করা
- সক্ষম করা
- এনক্রিপশন
- প্রবেশ করান
- ভুল
- ত্রুটি
- বিশেষত
- থার (eth)
- ঘটনাবলী
- প্রতি
- সব
- ঠিক
- সীমা অতিক্রম করা
- এক্সিকিউট
- বিদ্যমান
- পরীক্ষা
- ব্যাখ্যা
- অনুসন্ধানের ডেটা বিশ্লেষণ
- অন্বেষণ করুণ
- ব্যাপক
- নির্যাস
- বৈশিষ্ট্য
- পারিশ্রমিক
- কয়েক
- ব্যক্তিত্ব
- ফাইল
- নথি পত্র
- পূরণ করা
- আবিষ্কার
- প্রথম
- ঠিক করা
- স্থায়ী
- কেন্দ্রবিন্দু
- অনুসরণ করা
- অনুসরণ
- জন্য
- সাবেক
- বিনামূল্যে
- ঘনঘন
- থেকে
- কার্মিক
- অধিকতর
- লিঙ্গ
- উত্পাদন করা
- উত্পন্ন
- উত্পন্ন
- উৎপাদিত
- পাওয়া
- দাও
- দেয়
- জিমেইল
- Go
- চালু
- গুগল
- উন্নতি
- পথপ্রদর্শন
- কৌশল
- হাত
- আছে
- মাথা
- সাহায্য
- সাহায্য
- এখানে
- গোপন
- ঊর্ধ্বতন
- অত্যন্ত
- অনুভূমিক
- ঘন্টার
- কিভাবে
- কিভাবে
- যাহোক
- HTTPS দ্বারা
- প্রচুর
- শত শত
- i
- ধারনা
- অবিলম্বে
- প্রভাব
- আমদানি
- গুরুত্বপূর্ণ
- উন্নতি
- in
- অন্তর্ভুক্ত
- বৃদ্ধি
- অবিশ্বাস্যভাবে
- স্বাধীন
- শিল্প
- শিল্প
- তথ্য
- পরিবর্তে
- আগ্রহী
- ইন্টারফেস
- ভূমিকা
- সমস্যা
- IT
- এর
- কাজ
- যোগদানের
- কেডনুগেটস
- জানা
- লেবেলগুলি
- জমি
- ভাষা
- বড়
- বৃহত্তম
- সর্বশেষ
- শুরু করা
- চালু
- শিক্ষা
- যাক
- মাত্রা
- লাইব্রেরি
- মত
- সম্ভবত
- লাইন
- লাইন
- লিঙ্কডইন
- তালিকা
- বোঝা
- অবস্থান
- তাকিয়ে
- খুঁজছি
- সৌন্দর্য
- অনেক
- মেশিন
- মেশিন লার্নিং
- প্রণীত
- করা
- ম্যানুয়ালি
- অনেক
- মার্চ
- গণিত
- matplotlib
- উল্লেখ
- মার্জ
- বার্তা
- হতে পারে
- মোড
- মডেল
- মডেল
- পরিবর্তিত
- পরিবর্তন
- মুহূর্ত
- মাসিক
- মাসিক ব্যাবহার
- অধিক
- সেতু
- পদক্ষেপ
- বহু
- নাম
- নেভিগেট করুন
- প্রয়োজন
- নতুন
- নতুন অ্যাপ
- নতুন
- সংবাদ
- কুখ্যাত
- নভেম্বর
- সংখ্যা
- লক্ষ্য
- of
- ঠিক আছে
- on
- ONE
- খোলা
- OpenAI
- সর্বোত্তম
- পছন্দ
- অন্যান্য
- ফলাফল
- outperforms
- আউটপুট
- পৃষ্ঠা
- দেওয়া
- পান্ডাস
- আবেগ
- পাসওয়ার্ড
- পাসওয়ার্ড
- বেতন
- পিডিএফ
- সম্প্রদায়
- সম্পাদন করা
- করণ
- ব্যক্তি
- জায়গা
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- যোগ
- সম্ভাব্য
- ক্ষমতাশালী
- পূর্বপুরুষ
- ভবিষ্যদ্বাণী করা
- চমত্কার
- প্রতিরোধ
- পূর্বে
- প্রিন্ট
- সম্ভবত
- সমস্যা
- সমস্যা
- প্রোগ্রাম
- উন্নতি
- প্রদান
- প্রদত্ত
- প্রকাশ্য
- প্রকাশ্যে
- পাইথন
- প্রশ্ন
- দ্রুত
- দ্রুত
- পড়া
- পাঠক
- পড়া
- কারণে
- গ্রহণ করা
- প্রাপকদের
- প্রতিফলিত
- মুক্ত
- প্রাসঙ্গিক
- অবশিষ্ট
- রিপোর্ট
- প্রতিবেদন
- প্রয়োজনীয়
- প্রয়োজন
- গবেষকরা
- উত্তরদায়ক
- প্রতিক্রিয়া
- ফল
- ফলাফল
- চালান
- দৌড়
- একই
- সংরক্ষণ করুন
- জমা
- বলেছেন
- স্কেল
- তালিকাভুক্ত
- বিজ্ঞান
- বিজ্ঞানী
- স্ক্রিন
- সমুদ্রজাত
- অনুসন্ধানের
- অধ্যায়
- নিরাপদ
- নিরাপত্তা
- পাঠানোর
- অনুভূতি
- সেট
- উচিত
- প্রদর্শনী
- গুরুত্বপূর্ণ
- অনুরূপ
- সহজ
- কেবল
- থেকে
- একক
- আয়তন
- ক্ষুদ্রতর
- So
- সমাধান
- সমাধান
- সমাধানে
- কিছু
- সোর্স
- নির্দিষ্ট
- নিদিষ্ট
- ব্যয় করা
- অতিবাহিত
- ব্রিদিং
- শুরু
- থাকা
- ধাপ
- এখনো
- থামুন
- বিষয়
- চাঁদা
- সফলভাবে
- প্রস্তাব
- উপযুক্ত
- বিস্মিত
- বাক্য গঠন
- উপযোগী
- গ্রহণ করা
- গ্রহণ
- লক্ষ্য
- কার্য
- কাজ
- প্রযুক্তি
- বলে
- টেমপ্লেট
- যে
- সার্জারির
- তাদের
- তাহাদিগকে
- সেখানে।
- এইগুলো
- জিনিস
- দ্বারা
- সময়
- সময় অপগিত হয় এমন
- শিরনাম
- খেতাবধারী
- TLS এর
- থেকে
- টুল
- শীর্ষ
- মোট
- প্রশিক্ষিত
- প্রবণতা
- বাঁক
- অভিভাবকসংবঁধীয়
- টুইটার
- নিম্নাবস্থিত
- বোঝা
- ইউনিকোড
- আপগ্রেড
- us
- ব্যবহার
- ব্যবহারকারী
- ব্যবহারকারী
- সাধারণত
- মূল্য
- সংস্করণ
- দৃশ্যমান
- দেখুন
- কল্পনা
- W
- চেয়েছিলেন
- ওয়েবসাইট
- কি
- কিনা
- যে
- হু
- উইকিপিডিয়া
- ইচ্ছা
- সঙ্গে
- মধ্যে
- শব্দ
- শব্দ
- হয়া যাই ?
- কর্মপ্রবাহ
- কর্মপ্রবাহ
- কাজ
- would
- লেখা
- লেখা
- লিখিত
- আপনার
- zephyrnet