संपादक द्वारा छवि
14 मार्च, 2023 को, OpenAI ने अपने भाषा मॉडल का सबसे नया और सबसे शक्तिशाली संस्करण GPT-4 लॉन्च किया।
लॉन्च होने के कुछ ही घंटों के भीतर GPT-4 ने एक नया मोड़ लेकर लोगों को चौंका दिया एक कार्यात्मक वेबसाइट में हाथ से तैयार किया गया स्केच, बार परीक्षा पास करना, तथा विकिपीडिया लेखों का सटीक सारांश तैयार करना.
यह गणित की समस्याओं को हल करने और तर्क और तर्क के आधार पर सवालों के जवाब देने में अपने पूर्ववर्ती, GPT-3.5 से भी बेहतर प्रदर्शन करता है।
ChatGPT, चैटबॉट जिसे GPT-3.5 के शीर्ष पर बनाया गया था और जनता के लिए जारी किया गया था, "मतिभ्रम" के लिए कुख्यात था। यह ऐसी प्रतिक्रियाएँ उत्पन्न करेगा जो प्रतीत होती हैं कि सही हैं और अपने उत्तरों का बचाव "तथ्यों" के साथ करेगा, हालाँकि वे त्रुटियों से भरे हुए थे।
मॉडल द्वारा इस बात पर ज़ोर देने के बाद कि हाथी के अंडे सभी ज़मीनी जानवरों में सबसे बड़े होते हैं, एक उपयोगकर्ता ने ट्विटर पर कहा:
से छवि फियोराएटेर्ना
और यह यहीं नहीं रुका. एल्गोरिथम ने मनगढ़ंत तथ्यों के साथ अपनी प्रतिक्रिया की पुष्टि की, जिसने मुझे एक पल के लिए लगभग आश्वस्त कर दिया।
दूसरी ओर, GPT-4 को कम बार "मतिभ्रम" करने के लिए प्रशिक्षित किया गया था। ओपनएआई के नवीनतम मॉडल को धोखा देना कठिन है और यह बार-बार आत्मविश्वास से झूठ उत्पन्न नहीं करता है।
एक डेटा वैज्ञानिक के रूप में, मेरे काम के लिए मुझे प्रासंगिक डेटा स्रोत ढूंढना, बड़े डेटासेट को प्रीप्रोसेस करना और व्यावसायिक मूल्य बढ़ाने वाले अत्यधिक सटीक मशीन लर्निंग मॉडल बनाना आवश्यक है।
मैं अपने दिन का एक बड़ा हिस्सा विभिन्न फ़ाइल स्वरूपों से डेटा निकालने और उसे एक स्थान पर समेकित करने में बिताता हूँ।
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.
एक बार जब GPT-4 रिलीज़ हो गया, तो मैं इस बात को लेकर उत्सुक था कि क्या इससे मेरे द्वारा किए जा रहे काम में कोई फर्क पड़ेगा। क्या अपने पूर्ववर्तियों की तुलना में GPT-4 का उपयोग करने के कोई महत्वपूर्ण लाभ थे? क्या इससे मुझे GPT-3.5 के साथ पहले से अधिक समय बचाने में मदद मिलेगी?
इस लेख में, मैं आपको दिखाऊंगा कि मैं डेटा विज्ञान वर्कफ़्लो को स्वचालित करने के लिए चैटजीपीटी का उपयोग कैसे करता हूं।
मैं समान संकेत बनाऊंगा और उन्हें GPT-4 और GPT-3.5 दोनों में फ़ीड करूंगा, यह देखने के लिए कि क्या GPT वास्तव में बेहतर प्रदर्शन करता है और परिणामस्वरूप अधिक समय की बचत होती है।
यदि आप इस लेख में मेरे द्वारा की गई हर बात का अनुसरण करना चाहते हैं, तो आपके पास GPT-4 और GPT-3.5 तक पहुंच होनी चाहिए।
GPT-3.5
GPT-3.5 OpenAI की वेबसाइट पर सार्वजनिक रूप से उपलब्ध है। बस नेविगेट करें https://chat.openai.com/auth/login, आवश्यक विवरण भरें, और आपको भाषा मॉडल तक पहुंच प्राप्त होगी:
से छवि ChatGPT
GPT-4
दूसरी ओर, GPT-4, वर्तमान में एक पेवॉल के पीछे छिपा हुआ है। मॉडल तक पहुंचने के लिए, आपको "अपग्रेड टू प्लस" पर क्लिक करके चैटजीपीटीप्लस में अपग्रेड करना होगा।
$20/माह का मासिक सदस्यता शुल्क है जिसे किसी भी समय रद्द किया जा सकता है:
से छवि ChatGPT
यदि आप मासिक सदस्यता शुल्क का भुगतान नहीं करना चाहते हैं, तो आप भी इसमें शामिल हो सकते हैं एपीआई प्रतीक्षा सूची जीपीटी-4 के लिए. एक बार जब आपको एपीआई तक पहुंच मिल जाए, तो आप अनुसरण कर सकते हैं इसका पायथन में इसका उपयोग करने के लिए मार्गदर्शिका।
यदि आपके पास वर्तमान में GPT-4 तक पहुंच नहीं है तो कोई बात नहीं।
आप अभी भी ChatGPT के मुफ़्त संस्करण के साथ इस ट्यूटोरियल का अनुसरण कर सकते हैं जो बैकएंड में GPT-3.5 का उपयोग करता है।
1. डेटा विज़ुअलाइज़ेशन
खोजपूर्ण डेटा विश्लेषण करते समय, पायथन में त्वरित विज़ुअलाइज़ेशन उत्पन्न करने से अक्सर मुझे डेटासेट को बेहतर ढंग से समझने में मदद मिलती है।
Unfortunately, this task can become incredibly time-consuming - especially when you don’t know the right syntax to use to get the desired result.
मैं अक्सर खुद को सीबॉर्न के व्यापक दस्तावेज़ों को खोजते हुए और एकल पायथन प्लॉट तैयार करने के लिए स्टैक ओवरफ़्लो का उपयोग करते हुए पाता हूँ।
आइए देखें कि क्या चैटजीपीटी इस समस्या को हल करने में मदद कर सकता है।
हम इसका उपयोग करेंगे पिमा इंडियंस मधुमेह इस अनुभाग में डेटासेट. यदि आप चैटजीपीटी द्वारा उत्पन्न परिणामों का अनुसरण करना चाहते हैं तो आप डेटासेट डाउनलोड कर सकते हैं।
डेटासेट डाउनलोड करने के बाद, इसे पांडास लाइब्रेरी का उपयोग करके पायथन में लोड करें और डेटाफ़्रेम के प्रमुख को प्रिंट करें:
import pandas as pd df = pd.read_csv('diabetes.csv')
df.head()
इस डेटासेट में नौ वेरिएबल हैं। उनमें से एक, "परिणाम", लक्ष्य चर है जो हमें बताता है कि किसी व्यक्ति को मधुमेह होगा या नहीं। शेष स्वतंत्र चर हैं जिनका उपयोग परिणाम की भविष्यवाणी करने के लिए किया जाता है।
ठीक है! इसलिए मैं यह देखना चाहता हूं कि इनमें से किस चर का इस बात पर प्रभाव पड़ता है कि किसी व्यक्ति को मधुमेह होगा या नहीं।
इसे प्राप्त करने के लिए, हम डेटासेट में सभी आश्रित चरों में "मधुमेह" चर की कल्पना करने के लिए एक क्लस्टर्ड बार चार्ट बना सकते हैं।
वास्तव में इसे कोड करना बहुत आसान है, लेकिन आइए सरलता से शुरुआत करें। जैसे-जैसे हम लेख के माध्यम से आगे बढ़ेंगे हम और अधिक जटिल संकेतों की ओर बढ़ेंगे।
GPT-3.5 के साथ डेटा विज़ुअलाइज़ेशन
चूँकि मेरे पास ChatGPT की सशुल्क सदस्यता है, यह टूल मुझे उस अंतर्निहित मॉडल का चयन करने की अनुमति देता है जिसका उपयोग मैं हर बार एक्सेस करते समय करना चाहता हूँ।
मैं GPT-3.5 का चयन करने जा रहा हूँ:
चैटजीपीटी प्लस से छवि
यदि आपके पास सदस्यता नहीं है, तो आप चैटजीपीटी के मुफ्त संस्करण का उपयोग कर सकते हैं क्योंकि चैटबॉट डिफ़ॉल्ट रूप से जीपीटी-3.5 का उपयोग करता है।
अब, आइए मधुमेह डेटासेट का उपयोग करके विज़ुअलाइज़ेशन उत्पन्न करने के लिए निम्नलिखित संकेत टाइप करें:
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.
उपरोक्त संकेत पर मॉडल की प्रतिक्रिया यहां दी गई है:
एक बात जो तुरंत सामने आती है वह यह है कि मॉडल ने मान लिया कि हम सीबॉर्न से एक डेटासेट आयात करना चाहते थे। उसने शायद यह धारणा तब बनाई जब हमने उससे सीबॉर्न लाइब्रेरी का उपयोग करने के लिए कहा।
यह कोई बड़ा मुद्दा नहीं है, हमें कोड चलाने से पहले बस एक लाइन बदलने की जरूरत है।
यहां GPT-3.5 द्वारा जेनरेट किया गया पूरा कोड स्निपेट है:
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()
आप इसे कॉपी करके अपने Python IDE में पेस्ट कर सकते हैं।
उपरोक्त कोड चलाने के बाद उत्पन्न परिणाम यहां दिया गया है:
यह चार्ट एकदम सही दिखता है! चैटजीपीटी में प्रॉम्प्ट टाइप करते समय मैंने इसकी बिल्कुल वैसी ही कल्पना की थी।
हालाँकि, एक मुद्दा जो सामने आता है, वह यह है कि इस चार्ट पर पाठ ओवरलैप हो रहा है। मैं निम्नलिखित संकेत टाइप करके मॉडल से पूछने जा रहा हूं कि क्या वह इसे ठीक करने में हमारी मदद कर सकता है:
एल्गोरिदम ने समझाया कि हम चार्ट लेबल को घुमाकर या आकृति के आकार को समायोजित करके इस ओवरलैप को रोक सकते हैं। इसे हासिल करने में हमारी मदद के लिए इसने नया कोड भी तैयार किया।
आइए यह देखने के लिए इस कोड को चलाएं कि क्या यह हमें वांछित परिणाम देता है:
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()
कोड की उपरोक्त पंक्तियों से निम्नलिखित आउटपुट उत्पन्न होना चाहिए:
यह बहुत अच्छा लग रहा है!
मैं अब केवल इस चार्ट को देखकर डेटासेट को बहुत बेहतर ढंग से समझता हूं। ऐसा प्रतीत होता है कि उच्च ग्लूकोज और इंसुलिन स्तर वाले लोगों में मधुमेह विकसित होने की अधिक संभावना है।
साथ ही, ध्यान दें कि "DiabetesPedigreeFunction" वेरिएबल हमें इस चार्ट में कोई जानकारी नहीं देता है। ऐसा इसलिए है क्योंकि यह सुविधा छोटे पैमाने पर है (0 और 2.4 के बीच)। यदि आप चैटजीपीटी के साथ आगे प्रयोग करना चाहते हैं, तो आप इस समस्या को हल करने के लिए इसे एक ही चार्ट के भीतर एकाधिक सबप्लॉट उत्पन्न करने के लिए कह सकते हैं।
GPT-4 के साथ डेटा विज़ुअलाइज़ेशन
अब, आइए उन्हीं संकेतों को GPT-4 में फीड करें यह देखने के लिए कि क्या हमें कोई अलग प्रतिक्रिया मिलती है। मैं ChatGPT के भीतर GPT-4 मॉडल का चयन करने जा रहा हूं और पहले जैसा ही संकेत टाइप करूंगा:
ध्यान दें कि GPT-4 यह कैसे नहीं मानता कि हम एक डेटाफ़्रेम का उपयोग करेंगे जो सीबॉर्न में निर्मित है।
यह हमें बताता है कि यह विज़ुअलाइज़ेशन बनाने के लिए "df" नामक डेटाफ़्रेम का उपयोग करेगा, जो GPT-3.5 द्वारा उत्पन्न प्रतिक्रिया से एक सुधार है।
इस एल्गोरिथम द्वारा उत्पन्न पूरा कोड यहां दिया गया है:
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()
उपरोक्त कोड को निम्नलिखित प्लॉट उत्पन्न करना चाहिए:
यह पूर्ण है!
भले ही हमने इसके लिए नहीं कहा था, GPT-4 में प्लॉट का आकार बढ़ाने के लिए कोड की एक पंक्ति शामिल की गई है। इस चार्ट पर सभी लेबल स्पष्ट रूप से दिखाई देते हैं, इसलिए हमें वापस जाकर कोड में संशोधन करने की आवश्यकता नहीं है जैसा कि हमने पहले किया था।
यह GPT-3.5 द्वारा उत्पन्न प्रतिक्रिया से एक कदम ऊपर है।
कुल मिलाकर, हालाँकि, ऐसा प्रतीत होता है जैसे GPT-3.5 और GPT-4 दोनों डेटा विज़ुअलाइज़ेशन और विश्लेषण जैसे कार्यों को करने के लिए कोड उत्पन्न करने में प्रभावी हैं।
यह ध्यान रखना महत्वपूर्ण है कि चूंकि आप ChatGPT के इंटरफ़ेस में डेटा अपलोड नहीं कर सकते हैं, इसलिए आपको इष्टतम परिणामों के लिए अपने डेटासेट के सटीक विवरण के साथ मॉडल प्रदान करना चाहिए।
2. पीडीएफ दस्तावेज़ों के साथ कार्य करना
हालाँकि यह कोई सामान्य डेटा विज्ञान उपयोग-मामला नहीं है, मुझे एक बार भावना विश्लेषण मॉडल बनाने के लिए सैकड़ों पीडीएफ फाइलों से टेक्स्ट डेटा निकालना पड़ा है। डेटा असंरचित था, और मैंने इसे निकालने और प्रीप्रोसेस करने में बहुत समय बिताया।
मैं अक्सर उन शोधकर्ताओं के साथ भी काम करता हूं जो विशिष्ट उद्योगों में होने वाली वर्तमान घटनाओं के बारे में पढ़ते हैं और सामग्री बनाते हैं। उन्हें समाचारों के शीर्ष पर बने रहने, कंपनी रिपोर्टों का विश्लेषण करने और उद्योग में संभावित रुझानों के बारे में पढ़ने की ज़रूरत है।
किसी कंपनी की रिपोर्ट के 100 पेज पढ़ने के बजाय, क्या केवल उन शब्दों को निकालना आसान नहीं है जिनमें आप रुचि रखते हैं और केवल उन वाक्यों को पढ़ें जिनमें वे कीवर्ड शामिल हैं?
या यदि आप रुझानों में रुचि रखते हैं, तो आप एक स्वचालित वर्कफ़्लो बना सकते हैं जो प्रत्येक रिपोर्ट को मैन्युअल रूप से देखने के बजाय समय के साथ कीवर्ड वृद्धि को दर्शाता है।
इस अनुभाग में, हम पायथन में पीडीएफ फाइलों का विश्लेषण करने के लिए चैटजीपीटी का उपयोग करेंगे। हम चैटबॉट से एक पीडीएफ फाइल की सामग्री निकालने और उसे एक टेक्स्ट फाइल में लिखने के लिए कहेंगे।
फिर, यह GPT-3.5 और GPT-4 दोनों का उपयोग करके किया जाएगा ताकि यह देखा जा सके कि उत्पन्न कोड में कोई महत्वपूर्ण अंतर है या नहीं।
जीपीटी-3.5 के साथ पीडीएफ फाइलें पढ़ना
इस अनुभाग में, हम शीर्षक से सार्वजनिक रूप से उपलब्ध पीडीएफ दस्तावेज़ का विश्लेषण करेंगे इंजीनियरों के लिए मशीन लर्निंग का संक्षिप्त परिचय. यदि आप इस अनुभाग में कोड करना चाहते हैं तो इस फ़ाइल को डाउनलोड करना सुनिश्चित करें।
सबसे पहले, आइए एल्गोरिदम से इस पीडीएफ दस्तावेज़ से डेटा निकालने और इसे टेक्स्ट फ़ाइल में सहेजने के लिए पायथन कोड उत्पन्न करने के लिए कहें:
यहां एल्गोरिथम द्वारा प्रदान किया गया पूरा कोड है:
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)
(नोट: इस कोड को चलाने से पहले पीडीएफ फ़ाइल नाम को आपके द्वारा सहेजे गए नाम से बदलना सुनिश्चित करें।)
दुर्भाग्य से, GPT-3.5 द्वारा जनरेट किए गए कोड को चलाने के बाद, मुझे निम्नलिखित यूनिकोड त्रुटि का सामना करना पड़ा:
आइए GPT-3.5 पर वापस जाएं और देखें कि क्या मॉडल इसे ठीक कर सकता है:
मैंने त्रुटि को ChatGPT में चिपकाया, और मॉडल ने जवाब दिया कि इसे "utf-8" में प्रयुक्त एन्कोडिंग को बदलकर ठीक किया जा सकता है। इसने मुझे कुछ संशोधित कोड भी दिए जो इस परिवर्तन को दर्शाते हैं:
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)
यह कोड सफलतापूर्वक निष्पादित हुआ और "output_file.txt" नामक एक टेक्स्ट फ़ाइल बनाई गई। पीडीएफ दस्तावेज़ की सभी सामग्री फ़ाइल में लिखी गई है:
जीपीटी-4 के साथ पीडीएफ फाइलें पढ़ना
अब, मैं उसी प्रॉम्प्ट को GPT-4 में पेस्ट करने जा रहा हूँ यह देखने के लिए कि मॉडल क्या लेकर आता है:
यहां GPT-4 द्वारा जनरेट किया गया पूरा कोड है:
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)
उसे देखो!
GPT-3.5 के विपरीत, GPT-4 ने पहले ही निर्दिष्ट कर दिया है कि टेक्स्ट फ़ाइल को खोलने के लिए "utf-8" एन्कोडिंग का उपयोग किया जाना चाहिए। हमें वापस जाकर कोड में संशोधन करने की आवश्यकता नहीं है जैसा कि हमने पहले किया था।
GPT-4 द्वारा प्रदान किया गया कोड सफलतापूर्वक निष्पादित होना चाहिए, और आपको बनाई गई टेक्स्ट फ़ाइल में पीडीएफ दस्तावेज़ की सामग्री देखनी चाहिए।
ऐसी कई अन्य तकनीकें हैं जिनका उपयोग आप पायथन के साथ पीडीएफ दस्तावेज़ों को स्वचालित करने के लिए कर सकते हैं। यदि आप इसे और जानना चाहते हैं, तो यहां कुछ अन्य संकेत दिए गए हैं जिन्हें आप ChatGPT में टाइप कर सकते हैं:
- क्या आप दो पीडीएफ फाइलों को मर्ज करने के लिए पायथन कोड लिख सकते हैं?
- मैं पायथन के साथ पीडीएफ दस्तावेज़ में किसी विशिष्ट शब्द या वाक्यांश की घटनाओं को कैसे गिन सकता हूं?
- क्या आप पीडीएफ से टेबल निकालने और उन्हें एक्सेल में लिखने के लिए पायथन कोड लिख सकते हैं?
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. स्वचालित ईमेल भेजना
मैं अपने कार्य सप्ताह में घंटों ईमेल पढ़ने और उनका जवाब देने में बिताता हूँ। यह न केवल समय लेने वाला है, बल्कि जब आप कड़ी समय सीमा का पीछा कर रहे हों तो ईमेल के शीर्ष पर बने रहना अविश्वसनीय रूप से तनावपूर्ण भी हो सकता है।
और यद्यपि आप चैटजीपीटी को आपके लिए अपने सभी ईमेल लिखने के लिए नहीं प्राप्त कर सकते हैं (मैं चाहता हूं), फिर भी आप इसका उपयोग ऐसे प्रोग्राम लिखने के लिए कर सकते हैं जो एक विशिष्ट समय पर निर्धारित ईमेल भेजते हैं या एक ईमेल टेम्पलेट को संशोधित करते हैं जिसे कई लोगों को भेजा जा सकता है .
इस अनुभाग में, हमें स्वचालित ईमेल भेजने के लिए पायथन स्क्रिप्ट लिखने में मदद करने के लिए GPT-3.5 और GPT-4 मिलेंगे।
GPT-3.5 के साथ स्वचालित ईमेल भेजना
सबसे पहले, स्वचालित ईमेल भेजने के लिए कोड जनरेट करने के लिए निम्नलिखित संकेत टाइप करें:
यहां GPT-3.5 द्वारा जेनरेट किया गया पूरा कोड है (इस कोड को चलाने से पहले ईमेल पते और पासवर्ड को बदलना सुनिश्चित करें):
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)
दुर्भाग्य से, यह कोड मेरे लिए सफलतापूर्वक निष्पादित नहीं हुआ। इससे निम्न त्रुटि उत्पन्न हुई:
आइए इस त्रुटि को ChatGPT में पेस्ट करें और देखें कि क्या मॉडल इसे हल करने में हमारी मदद कर सकता है:
ठीक है, तो एल्गोरिदम ने कुछ कारण बताए हैं कि हमें इस त्रुटि का सामना क्यों करना पड़ सकता है।
मैं इस तथ्य के बारे में जानता हूं कि मेरे लॉगिन क्रेडेंशियल और ईमेल पते वैध थे, और कोड में कोई टाइपिंग त्रुटि नहीं थी। इसलिए इन कारणों को खारिज किया जा सकता है.
GPT-3.5 यह भी सुझाव देता है कि कम सुरक्षित ऐप्स को अनुमति देने से यह समस्या हल हो सकती है।
हालाँकि, यदि आप इसे आज़माते हैं, तो आपको अपने Google खाते में कम सुरक्षित ऐप्स तक पहुंच की अनुमति देने का विकल्प नहीं मिलेगा।
ऐसा इसलिए है क्योंकि Google अब और नहीं सुरक्षा चिंताओं के कारण उपयोगकर्ताओं को कम सुरक्षित ऐप्स की अनुमति देता है।
अंत में, GPT-3.5 में यह भी उल्लेख किया गया है कि यदि दो-कारक प्रमाणीकरण सक्षम किया गया था तो एक ऐप पासवर्ड उत्पन्न किया जाना चाहिए।
मेरे पास दो-कारक प्रमाणीकरण सक्षम नहीं है, इसलिए मैं (अस्थायी रूप से) इस मॉडल को छोड़ दूंगा और देखूंगा कि क्या GPT-4 के पास कोई समाधान है।
GPT-4 के साथ स्वचालित ईमेल भेजना
ठीक है, इसलिए यदि आप GPT-4 में वही संकेत टाइप करते हैं, तो आप पाएंगे कि एल्गोरिदम कोड उत्पन्न करता है जो GPT-3.5 ने हमें जो दिया था, उसके समान है। इससे वही त्रुटि उत्पन्न होगी जिसका सामना हमें पहले करना पड़ा था।
आइए देखें कि क्या GPT-4 इस त्रुटि को ठीक करने में हमारी सहायता कर सकता है:
GPT-4 के सुझाव काफी हद तक वही हैं जो हमने पहले देखे थे।
हालाँकि, इस बार, यह हमें चरण-दर-चरण विवरण देता है कि प्रत्येक चरण को कैसे पूरा किया जाए।
GPT-4 एक ऐप पासवर्ड बनाने का भी सुझाव देता है, तो आइए इसे आज़माएँ।
सबसे पहले, अपने Google खाते पर जाएँ, "सुरक्षा" पर जाएँ, और दो-कारक प्रमाणीकरण सक्षम करें। फिर, उसी अनुभाग में, आपको एक विकल्प देखना चाहिए जो कहता है "ऐप पासवर्ड।"
इस पर क्लिक करें और निम्न स्क्रीन दिखाई देगी:
आप अपनी पसंद का कोई भी नाम दर्ज कर सकते हैं और "जेनरेट" पर क्लिक कर सकते हैं।
एक नया ऐप पासवर्ड दिखाई देगा.
अपने मौजूदा पासवर्ड को पायथन कोड में इस ऐप पासवर्ड से बदलें और कोड को फिर से चलाएँ:
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)
इस बार इसे सफलतापूर्वक चलना चाहिए, और आपके प्राप्तकर्ता को एक ईमेल प्राप्त होगा जो इस तरह दिखता है:
बिल्कुल सही!
ChatGPT को धन्यवाद, हमने Python के साथ एक स्वचालित ईमेल सफलतापूर्वक भेज दिया है।
यदि आप इसे एक कदम आगे ले जाना चाहते हैं, तो मेरा सुझाव है कि ऐसे संकेत तैयार करें जो आपको इसकी अनुमति दें:
- एक ही समय में एकाधिक प्राप्तकर्ताओं को थोक ईमेल भेजें
- ईमेल पतों की पूर्वनिर्धारित सूची में निर्धारित ईमेल भेजें
- प्राप्तकर्ताओं को एक अनुकूलित ईमेल भेजें जो उनकी उम्र, लिंग और स्थान के अनुरूप हो।
नताशा सेल्वराज लेखन के जुनून के साथ एक स्व-सिखाया डेटा वैज्ञानिक है। आप उसके साथ जुड़ सकते हैं लिंक्डइन.
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- स्रोत: 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
- :है
- $यूपी
- 1
- 100
- 2022
- 2023
- 7
- 8
- a
- About
- ऊपर
- पहुँच
- पूरा
- लेखा
- सही
- पाना
- के पार
- वास्तव में
- पतों
- बाद
- कलन विधि
- सब
- की अनुमति दे
- की अनुमति देता है
- पहले ही
- हालांकि
- राशि
- विश्लेषण
- विश्लेषण करें
- का विश्लेषण
- और
- जानवरों
- जवाब
- एपीआई
- अनुप्रयोग
- दिखाई देते हैं
- क्षुधा
- हैं
- लेख
- AS
- ग्रहण
- कल्पना
- At
- प्रमाणीकरण
- को स्वचालित रूप से
- स्वचालित
- उपलब्ध
- औसत
- वापस
- बैकएण्ड
- बार
- सलाखों
- आधारित
- BE
- क्योंकि
- बन
- से पहले
- पीछे
- लाभ
- बेहतर
- के बीच
- बीएमआई
- परिवर्तन
- बोरिंग
- विश्लेषण
- निर्माण
- बनाया गया
- व्यापार
- by
- बुलाया
- कर सकते हैं
- रद्द
- नही सकता
- कारण
- परिवर्तन
- बदलना
- चार्ट
- chatbot
- ChatGPT
- स्पष्ट रूप से
- क्लिक करें
- कोड
- COM
- अ रहे है
- सामान्य
- कंपनी
- कंपनी का है
- पूरा
- जटिल
- चिंताओं
- आत्मविश्वास से
- जुडिये
- संबंध
- मजबूत
- सामग्री
- अंतर्वस्तु
- मंडित कतना
- सका
- बनाना
- बनाया
- बनाना
- साख
- जिज्ञासु
- वर्तमान
- वर्तमान में
- अनुकूलित
- अनुकूलित
- दैनिक
- तिथि
- डेटा विश्लेषण
- डेटा विज्ञान
- आँकड़े वाला वैज्ञानिक
- डेटा विज़ुअलाइज़ेशन
- डेटासेट
- दिन
- चूक
- निर्भर
- विवरण
- विवरण
- विकसित करना
- मधुमेह
- डीआईडी
- अंतर
- विभिन्न
- दस्तावेज़
- दस्तावेज़ीकरण
- दस्तावेजों
- नहीं करता है
- कर
- dont
- डाउनलोड
- ड्राइव
- दौरान
- से प्रत्येक
- पूर्व
- आसान
- प्रभावी
- अंडे
- भी
- हाथी
- ईमेल
- ईमेल
- सक्षम
- सक्षम
- एन्क्रिप्शन
- दर्ज
- त्रुटि
- त्रुटियाँ
- विशेष रूप से
- ईथर (ईटीएच)
- घटनाओं
- प्रत्येक
- सब कुछ
- ठीक ठीक
- एक्सेल
- निष्पादित
- मौजूदा
- प्रयोग
- समझाया
- अन्वेषणात्मक डेटा विश्लेषण
- का पता लगाने
- व्यापक
- उद्धरण
- Feature
- शुल्क
- कुछ
- आकृति
- पट्टिका
- फ़ाइलें
- भरना
- खोज
- प्रथम
- फिक्स
- तय
- फोकस
- का पालन करें
- निम्नलिखित
- के लिए
- पूर्व
- मुक्त
- अक्सर
- से
- कार्यात्मक
- आगे
- लिंग
- उत्पन्न
- उत्पन्न
- उत्पन्न करता है
- सृजन
- मिल
- देना
- देता है
- जीमेल
- Go
- जा
- गूगल
- विकास
- मार्गदर्शन
- गाइड
- हाथ
- है
- सिर
- मदद
- मदद करता है
- यहाँ उत्पन्न करें
- छिपा हुआ
- उच्चतर
- अत्यधिक
- क्षैतिज
- घंटे
- कैसे
- How To
- तथापि
- HTTPS
- विशाल
- सैकड़ों
- i
- विचारों
- तुरंत
- प्रभाव
- आयात
- महत्वपूर्ण
- सुधार
- in
- शामिल
- बढ़ना
- अविश्वसनीय रूप से
- स्वतंत्र
- उद्योगों
- उद्योग
- करें-
- बजाय
- रुचि
- इंटरफेस
- परिचय
- मुद्दा
- IT
- आईटी इस
- काम
- में शामिल होने
- केडनगेट्स
- जानना
- लेबल
- भूमि
- भाषा
- बड़ा
- सबसे बड़ा
- ताज़ा
- लांच
- शुभारंभ
- सीख रहा हूँ
- चलें
- स्तर
- पुस्तकालय
- पसंद
- संभावित
- लाइन
- पंक्तियां
- लिंक्डइन
- सूची
- भार
- स्थान
- देखा
- देख
- लग रहा है
- लॉट
- मशीन
- यंत्र अधिगम
- बनाया गया
- बनाना
- मैन्युअल
- बहुत
- मार्च
- गणित
- matplotlib
- उल्लेख है
- मर्ज
- message
- हो सकता है
- मोड
- आदर्श
- मॉडल
- संशोधित
- संशोधित
- पल
- मासिक
- मासिक सदस्यता
- अधिक
- अधिकांश
- चाल
- विभिन्न
- नाम
- नेविगेट करें
- आवश्यकता
- नया
- नया ऐप
- नवीनतम
- समाचार
- कुख्यात
- नवंबर
- संख्या
- वस्तु
- of
- ठीक है
- on
- ONE
- खुला
- OpenAI
- इष्टतम
- विकल्प
- अन्य
- परिणाम
- Outperforms
- उत्पादन
- पृष्ठ
- प्रदत्त
- पांडा
- जुनून
- पासवर्ड
- पासवर्ड
- वेतन
- पीडीएफ
- स्टाफ़
- निष्पादन
- प्रदर्शन
- व्यक्ति
- जगह
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- प्लस
- संभावित
- शक्तिशाली
- पूर्वज
- भविष्यवाणी करना
- सुंदर
- को रोकने के
- पहले से
- छाप
- शायद
- मुसीबत
- समस्याओं
- प्रोग्राम्स
- प्रगति
- प्रदान करना
- बशर्ते
- सार्वजनिक
- सार्वजनिक रूप से
- अजगर
- प्रशन
- त्वरित
- जल्दी से
- पढ़ना
- पाठक
- पढ़ना
- कारण
- प्राप्त करना
- प्राप्तकर्ताओं
- प्रतिबिंबित
- रिहा
- प्रासंगिक
- शेष
- रिपोर्ट
- रिपोर्ट
- अपेक्षित
- की आवश्यकता होती है
- शोधकर्ताओं
- जवाब
- प्रतिक्रिया
- परिणाम
- परिणाम
- रन
- दौड़ना
- वही
- सहेजें
- बचत
- कहते हैं
- स्केल
- अनुसूचित
- विज्ञान
- वैज्ञानिक
- स्क्रीन
- समुद्र में रहनेवाला
- खोज
- अनुभाग
- सुरक्षित
- सुरक्षा
- भेजना
- भावुकता
- सेट
- चाहिए
- दिखाना
- महत्वपूर्ण
- समान
- सरल
- केवल
- के बाद से
- एक
- आकार
- छोटे
- So
- समाधान
- हल
- सुलझाने
- कुछ
- सूत्रों का कहना है
- विशिष्ट
- विनिर्दिष्ट
- बिताना
- खर्च
- खड़ा
- प्रारंभ
- रहना
- कदम
- फिर भी
- रुकें
- विषय
- अंशदान
- सफलतापूर्वक
- पता चलता है
- उपयुक्त
- आश्चर्य चकित
- वाक्यविन्यास
- अनुरूप
- लेना
- ले जा
- लक्ष्य
- कार्य
- कार्य
- तकनीक
- बताता है
- टेम्पलेट
- कि
- RSI
- लेकिन हाल ही
- उन
- वहाँ।
- इन
- बात
- यहाँ
- पहर
- बहुत समय लगेगा
- शीर्षक
- शीर्षक से
- टीएलएस
- सेवा मेरे
- साधन
- ऊपर का
- कुल
- प्रशिक्षित
- रुझान
- मोड़
- ट्यूटोरियल
- आधारभूत
- समझना
- यूनिकोड
- उन्नयन
- us
- उपयोग
- उपयोगकर्ता
- उपयोगकर्ताओं
- आमतौर पर
- मूल्य
- संस्करण
- दिखाई
- भेंट
- दृश्य
- W
- जरूरत है
- वेबसाइट
- क्या
- या
- कौन कौन से
- कौन
- विकिपीडिया
- मर्जी
- साथ में
- अंदर
- शब्द
- शब्द
- काम
- वर्कफ़्लो
- workflows
- काम कर रहे
- होगा
- लिखना
- लिख रहे हैं
- लिखा हुआ
- आपका
- जेफिरनेट