Kép a szerkesztőtől
14. március 2023-én az OpenAI elindította a GPT-4-et, nyelvi modelljének legújabb és legerősebb verzióját.
A GPT-4 indulása után néhány órán belül megdöbbentette az embereket az a kézzel rajzolt vázlat egy működő weboldalba, ügyvédi vizsga letételeés pontos összefoglalók generálása a Wikipédia cikkeiről.
Elődjét, a GPT-3.5-öt is felülmúlja a matematikai feladatok megoldásában és a logikán és érvelésen alapuló kérdések megválaszolásában.
A ChatGPT, a GPT-3.5-re épült és a nyilvánosság számára kiadott chatbot hírhedt volt a „hallucinációról”. Olyan válaszokat generálna, amelyek látszólag helyesek, és válaszait „tényekkel” védené, bár azok tele voltak hibákkal.
Egy felhasználó a Twitteren jelentkezett, miután a modell ragaszkodott hozzá, hogy az elefánttojások a legnagyobbak az összes szárazföldi állat közül:
Kép FioraAeterna
És ez nem állt meg itt. Az algoritmus ezután kitalált tényekkel erősítette meg válaszát, amelyek egy pillanatra szinte meggyőztek.
A GPT-4 viszont arra lett kiképezve, hogy ritkábban „hallucináljon”. Az OpenAI legújabb modelljét nehezebb becsapni, és nem generál olyan gyakran hamisságokat.
Adattudósként a munkám megköveteli, hogy megfelelő adatforrásokat találjak, nagy adatkészleteket kell elő feldolgoznom, és rendkívül pontos gépi tanulási modelleket kell készítenem, amelyek növelik az üzleti értéket.
A napom nagy részét azzal töltöm, hogy adatokat kinyerek különböző fájlformátumokból, és azokat egy helyen konszolidáljam.
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.
A GPT-4 megjelenése után kíváncsi voltam, hogy ez változtat-e az általam végzett munkán. Volt-e jelentős előnye a GPT-4 használatának az elődeihez képest? Segítene több időt megspórolni, mint amennyit eddig a GPT-3.5-tel töltöttem?
Ebben a cikkben bemutatom, hogyan használom a ChatGPT-t az adattudományi munkafolyamatok automatizálására.
Ugyanazokat a promptokat fogom létrehozni, és betáplálom őket a GPT-4-be és a GPT-3.5-be is, hogy megnézzem, az előbbi valóban jobban teljesít-e, és több időmegtakarítást eredményez-e.
Ha szeretné követni mindazt, amit ebben a cikkben teszek, hozzá kell férnie a GPT-4-hez és a GPT-3.5-höz.
GPT-3.5
A GPT-3.5 nyilvánosan elérhető az OpenAI honlapján. Egyszerűen navigáljon ide https://chat.openai.com/auth/login, töltse ki a szükséges adatokat, és hozzáférhet a nyelvi modellhez:
Kép ChatGPT
GPT-4
A GPT-4 viszont jelenleg egy fizetőfal mögött van elrejtve. A modell eléréséhez frissítenie kell a ChatGPTPlus-ra az „Upgrade to Plus” gombra kattintva.
A havi előfizetési díj 20 USD/hó, amely bármikor lemondható:
Kép ChatGPT
Ha nem akarja fizetni a havi előfizetési díjat, akkor is csatlakozhat a API várólista a GPT-4-hez. Miután hozzáfért az API-hoz, követheti ezt útmutató a Pythonban való használatához.
Nem baj, ha jelenleg nincs hozzáférése a GPT-4-hez.
Továbbra is követheti ezt az oktatóanyagot a ChatGPT ingyenes verziójával, amely a GPT-3.5-öt használja a háttérben.
1. Adatok vizualizálása
Feltáró adatelemzés során a Pythonban készített gyors vizualizáció gyakran segít jobban megérteni az adatkészletet.
Unfortunately, this task can become incredibly time-consuming - especially when you don’t know the right syntax to use to get the desired result.
Gyakran azon kapom magam, hogy a Seaborn kiterjedt dokumentációjában keresgélek, és a StackOverflow-t használom egyetlen Python-rajz létrehozásához.
Nézzük meg, hogy a ChatGPT segíthet-e megoldani ezt a problémát.
Használni fogjuk a Pima indiánok cukorbetegsége adatkészlet ebben a szakaszban. Letöltheti az adatkészletet, ha követni szeretné a ChatGPT által generált eredményeket.
Az adatkészlet letöltése után töltsük be a Pythonba a Pandas könyvtár segítségével, és nyomtassuk ki az adatkeret fejét:
import pandas as pd df = pd.read_csv('diabetes.csv')
df.head()
Ebben az adatkészletben kilenc változó található. Ezek egyike, az „Outcome” a célváltozó, amely megmondja, hogy valakinél cukorbetegség alakul ki. A többi független változó, amelyet az eredmény előrejelzésére használnak.
Oké! Tehát szeretném látni, hogy ezek közül a változók közül melyik befolyásolja azt, hogy valakinél cukorbetegség alakul ki.
Ennek elérése érdekében fürtözött oszlopdiagramot hozhatunk létre, amely megjeleníti a „Diabetes” változót az adatkészlet összes függő változójában.
Ezt valójában nagyon könnyű kódolni, de kezdjük egyszerűen. A cikk előrehaladása során a bonyolultabb utasításokra térünk át.
Adatvizualizáció GPT-3.5-tel
Mivel fizetős előfizetésem van a ChatGPT-re, az eszköz lehetővé teszi, hogy kiválasszam azt a mögöttes modellt, amelyet használni szeretnék minden alkalommal, amikor hozzáférek.
A GPT-3.5-öt fogom választani:
Kép a ChatGPT Plus szolgáltatásból
Ha nincs előfizetése, használhatja a ChatGPT ingyenes verzióját, mivel a chatbot alapértelmezés szerint a GPT-3.5-öt használja.
Most írjuk be a következő promptot, hogy a diabétesz adatkészletet használó vizualizációt generáljunk:
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.
Íme a modell válasza a fenti kérdésre:
Az egyik dolog, ami azonnal szembetűnik, az az, hogy a modell azt feltételezte, hogy egy adatkészletet akarunk importálni a Seabornból. Valószínűleg azért tette ezt a feltételezést, mert megkértük, hogy használja a Seaborn könyvtárat.
Ez nem nagy probléma, csak egy sort kell módosítanunk a kódok futtatása előtt.
Íme a GPT-3.5 által generált teljes kódrészlet:
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()
Ezt másolhatja és beillesztheti a Python IDE-be.
Íme a fenti kód futtatása után generált eredmény:
Ez a diagram tökéletesnek tűnik! Pontosan így képzeltem el, amikor beírtam a promptot a ChatGPT-be.
Az egyik szembetűnő probléma azonban az, hogy a diagramon szereplő szöveg átfedésben van. Meg fogom kérdezni a modellt, hogy tud-e segíteni a probléma megoldásában a következő prompt begépelésével:
Az algoritmus elmagyarázta, hogy ezt az átfedést megakadályozhatjuk a diagram címkéinek elforgatásával vagy az ábra méretének módosításával. Új kódot is generált, hogy segítsen nekünk ennek elérésében.
Futtassuk ezt a kódot, hogy megnézzük, meghozza-e a kívánt eredményt:
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()
A fenti kódsoroknak a következő kimenetet kell generálniuk:
Ez nagyon jól néz ki!
Sokkal jobban megértem az adatkészletet, ha egyszerűen megnézem ezt a diagramot. Úgy tűnik, hogy a magasabb glükóz- és inzulinszintű embereknél nagyobb valószínűséggel alakul ki cukorbetegség.
Azt is vegye figyelembe, hogy a „DiabetesPedigreeFunction” változó nem ad semmilyen információt ebben a diagramban. Ennek az az oka, hogy a funkció kisebb léptékű (0 és 2.4 között). Ha további kísérleteket szeretne végezni a ChatGPT-vel, a probléma megoldása érdekében megkérheti, hogy egyetlen diagramon belül több részterületet hozzon létre.
Adatvizualizáció GPT-4-tel
Most vigyük be ugyanazokat a promptokat a GPT-4-be, hogy megnézzük, kapunk-e más választ. Ki fogom választani a GPT-4 modellt a ChatGPT-n belül, és beírom ugyanazt a parancsot, mint korábban:
Figyelje meg, hogy a GPT-4 nem feltételezi, hogy a Seabornba beépített adatkeretet fogunk használni.
Azt mondja, hogy a „df” nevű adatkeretet fogja használni a vizualizáció felépítéséhez, ami a GPT-3.5 által generált válasz továbbfejlesztése.
Íme az algoritmus által generált teljes kód:
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()
A fenti kódnak a következő diagramot kell generálnia:
Ez tökéletes!
Annak ellenére, hogy nem kértük, a GPT-4 tartalmazott egy kódsort a telek méretének növelésére. A diagramon lévő címkék mind jól láthatóak, így nem kell visszamennünk és módosítanunk a kódot, mint korábban.
Ez egy lépéssel meghaladja a GPT-3.5 által generált választ.
Összességében azonban úgy tűnik, hogy a GPT-3.5 és a GPT-4 egyaránt hatékonyan generál kódot olyan feladatok végrehajtásához, mint az adatvizualizáció és -elemzés.
Fontos megjegyezni, hogy mivel nem tölthet fel adatokat a ChatGPT felületére, az optimális eredmény érdekében a modellt az adatkészlet pontos leírásával kell ellátnia.
2. PDF dokumentumok kezelése
Bár ez nem egy gyakori adattudományi felhasználási eset, több száz PDF-fájlból kellett szöveges adatokat kivonnom, hogy egyszer felállíthassak egy hangulatelemzési modellt. Az adatok strukturálatlanok voltak, és sok időt töltöttem a kinyeréssel és előfeldolgozásukkal.
Gyakran dolgozom olyan kutatókkal is, akik az adott iparágak aktuális eseményeiről olvasnak és készítenek tartalmat. Nekik folyamatosan naprakésznek kell lenniük a hírekben, elemezniük kell a vállalati jelentéseket, és olvasniuk kell az iparág lehetséges trendjeiről.
Ahelyett, hogy elolvasna 100 oldalas vállalati jelentést, nem egyszerűbb egyszerűen kivonni az Önt érdeklő szavakat, és csak azokat a mondatokat olvasni, amelyek tartalmazzák ezeket a kulcsszavakat?
Vagy ha a trendek érdeklik, létrehozhat egy automatizált munkafolyamatot, amely bemutatja a kulcsszavak időbeli növekedését, ahelyett, hogy manuálisan nézné át az egyes jelentéseket.
Ebben a részben a ChatGPT segítségével elemezzük a PDF-fájlokat Pythonban. Megkérjük a chatbotot, hogy bontsa ki egy PDF fájl tartalmát, és írja be szöveges fájlba.
Ez ismét a GPT-3.5 és a GPT-4 használatával történik, hogy megnézze, van-e jelentős különbség a generált kódban.
PDF fájlok olvasása a GPT-3.5 segítségével
Ebben a részben egy nyilvánosan elérhető PDF dokumentumot fogunk elemezni Rövid bevezetés a gépi tanulásba mérnökök számára. Mindenképpen töltse le ezt a fájlt, ha ehhez a szakaszhoz szeretne kódolni.
Először kérje meg az algoritmust, hogy állítson elő Python-kódot az adatok kinyeréséhez ebből a PDF-dokumentumból és szövegfájlba mentéséhez:
Íme az algoritmus által biztosított teljes kód:
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)
(Megjegyzés: Győződjön meg arról, hogy a PDF-fájl nevét a kód futtatása előtt elmentettre változtatta.)
Sajnos a GPT-3.5 által generált kód futtatása után a következő unicode hibával találkoztam:
Térjünk vissza a GPT-3.5-höz, és nézzük meg, hogy a modell meg tudja-e oldani ezt:
A hibát beillesztettem a ChatGPT-be, és a modell azt válaszolta, hogy javítható a használt kódolás „utf-8”-ra történő módosításával. Adott néhány módosított kódot is, amely tükrözte ezt a változást:
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)
Ez a kód sikeresen lefutott, és létrejött egy „output_file.txt” nevű szövegfájl. A PDF dokumentumban lévő összes tartalom a fájlba lett írva:
PDF fájlok olvasása a GPT-4 segítségével
Most be fogom illeszteni ugyanazt a promptot a GPT-4-be, hogy megnézzem, mit hoz a modell:
Íme a GPT-4 által generált teljes kód:
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)
Nézd!
A GPT-3.5-től eltérően a GPT-4 már meghatározta, hogy „utf-8” kódolást kell használni a szövegfájl megnyitásához. Nem kell visszamennünk és módosítanunk a kódot, mint korábban.
A GPT-4 által biztosított kódnak sikeresen le kell futnia, és látnia kell a PDF-dokumentum tartalmát a létrehozott szövegfájlban.
Számos egyéb technika is használható a PDF-dokumentumok Python segítségével történő automatizálására. Ha tovább szeretné vizsgálni ezt, itt van néhány további utasítás, amelyeket beírhat a ChatGPT-be:
- Tud-e Python kódot írni két PDF fájl egyesítéséhez?
- Hogyan számolhatom meg egy adott szó vagy kifejezés előfordulását egy PDF-dokumentumban Python segítségével?
- Tud-e Python-kódot írni a táblázatok PDF-ekből való kivonásához, és Excelben történő írásához?
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. Automatizált e-mailek küldése
A munkahetemből órákat töltök e-mailek olvasásával és megválaszolásával. Ez nem csak időigényes, hanem hihetetlenül megterhelő is lehet az e-mailek naprakészen tartása, amikor szoros határidőket hajszol.
És bár nem tudja rávenni a ChatGPT-t, hogy az összes e-mailt megírja helyette (bárcsak), akkor is használhatja olyan programok írásához, amelyek ütemezett e-maileket küldenek egy adott időpontban, vagy módosíthatnak egyetlen e-mail sablont, amelyet több embernek is el lehet küldeni. .
Ebben a részben a GPT-3.5 és a GPT-4 segít nekünk Python-szkriptet írni az automatikus e-mailek küldéséhez.
Automatizált e-mailek küldése GPT-3.5 segítségével
Először gépeljük be a következő parancssort az automatikus e-mail küldéséhez szükséges kódok generálásához:
Íme a GPT-3.5 által generált teljes kód (a kód futtatása előtt mindenképpen módosítsa az e-mail címeket és a jelszót):
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)
Sajnos ez a kód számomra nem futott le sikeresen. A következő hibát generálta:
Illesszük be ezt a hibát a ChatGPT-be, és nézzük meg, hogy a modell segíthet-e megoldani:
Rendben, szóval az algoritmus rámutatott néhány okra, amelyek miatt előfordulhat, hogy ebbe a hibába ütközünk.
Pontosan tudom, hogy a bejelentkezési adataim és az e-mail címeim érvényesek voltak, és nem volt elírás a kódban. Tehát ezek az okok kizárhatók.
A GPT-3.5 azt is javasolja, hogy a kevésbé biztonságos alkalmazások engedélyezése megoldhatja ezt a problémát.
Ha azonban ezt kipróbálja, nem talál olyan lehetőséget a Google-fiókjában, amely lehetővé tenné a hozzáférést a kevésbé biztonságos alkalmazásokhoz.
Ez azért van, mert a Google már nem lehetővé teszi a felhasználók számára, hogy biztonsági megfontolások miatt kevésbé biztonságos alkalmazásokat engedélyezzenek.
Végül a GPT-3.5 azt is megemlíti, hogy a kétfaktoros hitelesítés engedélyezése esetén alkalmazásjelszót kell generálni.
Nincs engedélyezve a kéttényezős hitelesítés, ezért (átmenetileg) lemondok erről a modellről, és megnézem, van-e megoldás a GPT-4-re.
Automatizált e-mailek küldése GPT-4 segítségével
Rendben, tehát ha beírja ugyanazt a promptot a GPT-4-be, azt fogja tapasztalni, hogy az algoritmus olyan kódot generál, amely nagyon hasonló ahhoz, amit a GPT-3.5 adott nekünk. Ez ugyanazt a hibát okozza, amelybe korábban belefutottunk.
Nézzük meg, hogy a GPT-4 segíthet-e kijavítani ezt a hibát:
A GPT-4 javaslatai nagyon hasonlóak ahhoz, amit korábban láttunk.
Ezúttal azonban lépésről lépésre bemutatja az egyes lépések végrehajtásának módját.
A GPT-4 alkalmazásjelszó létrehozását is javasolja, úgyhogy próbáljuk meg.
Először keresse fel Google-fiókját, lépjen a „Biztonság” részre, és engedélyezze a kéttényezős hitelesítést. Ezután ugyanabban a részben egy „Alkalmazásjelszavak” opciót kell látnia.
Kattintson rá, és a következő képernyő jelenik meg:
Bármilyen nevet megadhat, és kattintson a „Létrehozás” gombra.
Megjelenik egy új alkalmazásjelszó.
Cserélje ki meglévő jelszavát a Python kódban erre az alkalmazásjelszóra, és futtassa újra a kódot:
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)
Ezúttal sikeresen futnia kell, és a címzett egy e-mailt fog kapni, amely így néz ki:
Tökéletes!
A ChatGPT-nek köszönhetően sikeresen kiküldtünk egy automatikus e-mailt a Python segítségével.
Ha egy lépéssel tovább szeretné ezt tenni, azt javaslom, hogy állítson elő olyan promptokat, amelyek lehetővé teszik:
- Tömeges e-mail küldése több címzettnek egyszerre
- Ütemezett e-maileket küldhet az e-mail címek előre meghatározott listájára
- Küldjön a címzetteknek egy személyre szabott e-mailt, amely az életkorukhoz, nemükhöz és tartózkodási helyükhöz igazodik.
Natassha Selvaraj egy autodidakta adattudós, akinek szenvedélye az írás. Kapcsolatba léphet vele LinkedIn.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
- Forrás: 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
- :is
- $ UP
- 1
- 100
- 2022
- 2023
- 7
- 8
- a
- Rólunk
- felett
- hozzáférés
- elérni
- Fiók
- pontos
- Elérése
- át
- tulajdonképpen
- címek
- Után
- algoritmus
- Minden termék
- lehetővé téve
- lehetővé teszi, hogy
- már
- Bár
- összeg
- elemzés
- elemez
- elemzése
- és a
- állatok
- válaszok
- api
- app
- megjelenik
- alkalmazások
- VANNAK
- cikkben
- AS
- feltételezte
- feltevés
- At
- Hitelesítés
- automatizált
- Automatizált
- elérhető
- átlagos
- vissza
- háttér
- bár
- bárok
- alapján
- BE
- mert
- válik
- előtt
- mögött
- Előnyök
- Jobb
- között
- bmi
- test
- Unalmas
- Bontás
- épít
- épült
- üzleti
- by
- hívott
- TUD
- törölve
- nem tud
- Okoz
- változik
- változó
- Táblázatos
- chatbot
- ChatGPT
- világosan
- kettyenés
- kód
- COM
- érkező
- Közös
- vállalat
- Társaságé
- teljes
- bonyolult
- aggodalmak
- magabiztosan
- Csatlakozás
- kapcsolat
- megszilárdítása
- tartalom
- tartalom
- megerősítik
- tudott
- teremt
- készítette
- létrehozása
- Hitelesítő adatok
- kíváncsi
- Jelenlegi
- Jelenleg
- testre
- szabott
- napi
- dátum
- adatelemzés
- adat-tudomány
- adattudós
- adatmegjelenítés
- adatkészletek
- nap
- alapértelmezett
- függő
- leírás
- részletek
- Fejleszt
- Cukorbetegség
- DID
- különbség
- különböző
- dokumentum
- dokumentáció
- dokumentumok
- Nem
- Ennek
- ne
- letöltés
- hajtás
- alatt
- minden
- Korábban
- könnyebb
- Hatékony
- Tojás
- bármelyik
- elefánt
- e-mailek
- lehetővé
- engedélyezve
- titkosítás
- belép
- hiba
- hibák
- különösen
- Eter (ETH)
- események
- Minden
- minden
- pontosan
- Excel
- kivégez
- létező
- kísérlet
- magyarázható
- Feltáró adatelemzés
- feltárása
- kiterjedt
- kivonat
- Funkció
- díj
- kevés
- Ábra
- filé
- Fájlok
- kitöltése
- Találjon
- vezetéknév
- Rögzít
- rögzített
- Összpontosít
- következik
- következő
- A
- Korábbi
- Ingyenes
- gyakran
- ból ből
- funkcionális
- további
- nem
- generál
- generált
- generál
- generáló
- kap
- Ad
- ad
- gmail
- Go
- megy
- Növekedés
- útmutatást
- útmutató
- kéz
- Legyen
- fej
- segít
- segít
- itt
- Rejtett
- <p></p>
- nagyon
- Vízszintes
- NYITVATARTÁS
- Hogyan
- How To
- azonban
- HTTPS
- hatalmas
- Több száz
- i
- ötletek
- azonnal
- Hatás
- importál
- fontos
- javulás
- in
- beleértve
- Növelje
- hihetetlenül
- független
- iparágak
- ipar
- információ
- helyette
- érdekelt
- Felület
- Bevezetés
- kérdés
- IT
- ITS
- Munka
- csatlakozik
- KDnuggets
- Ismer
- Címkék
- Telek
- nyelv
- nagy
- legnagyobb
- legutolsó
- indít
- indított
- tanulás
- Lets
- szintek
- könyvtár
- mint
- Valószínű
- vonal
- vonalak
- Lista
- kiszámításának
- elhelyezkedés
- nézett
- keres
- MEGJELENÉS
- Sok
- gép
- gépi tanulás
- készült
- csinál
- kézzel
- sok
- március
- matematikai
- matplotlib
- megemlíti
- megy
- üzenet
- esetleg
- Mód
- modell
- modellek
- módosított
- módosítása
- pillanat
- havi
- havi előfizetés
- több
- a legtöbb
- mozog
- többszörös
- név
- Keresse
- Szükség
- Új
- új alkalmazás
- legújabb
- hír
- hirhedt
- november
- szám
- tárgy
- of
- Rendben
- on
- ONE
- nyitva
- OpenAI
- optimális
- opció
- Más
- Eredmény
- felülmúlja
- teljesítmény
- oldal
- fizetett
- pandák
- szenvedély
- Jelszó
- jelszavak
- Fizet
- Emberek (People)
- teljesít
- előadó
- person
- Hely
- Plató
- Platón adatintelligencia
- PlatoData
- plusz
- potenciális
- erős
- előző
- előre
- szép
- megakadályozása
- korábban
- valószínűleg
- Probléma
- problémák
- Programok
- Haladás
- ad
- feltéve,
- nyilvános
- nyilvánosan
- Piton
- Kérdések
- Quick
- gyorsan
- Olvass
- Olvasó
- Olvasás
- miatt
- kap
- címzettek
- tükrözi
- felszabaduló
- megmaradó
- jelentést
- Jelentések
- kötelező
- megköveteli,
- kutatók
- válaszol
- válasz
- eredményez
- Eredmények
- futás
- futás
- azonos
- Megtakarítás
- Megtakarítás
- azt mondja,
- Skála
- tervezett
- Tudomány
- Tudós
- Képernyő
- tengeren született
- keres
- Rész
- biztonság
- biztonság
- elküldés
- érzés
- készlet
- kellene
- előadás
- jelentős
- hasonló
- Egyszerű
- egyszerűen
- óta
- egyetlen
- Méret
- kisebb
- So
- megoldások
- SOLVE
- Megoldása
- néhány
- Források
- különleges
- meghatározott
- költ
- költött
- állványok
- kezdet
- tartózkodás
- Lépés
- Még mindig
- megáll
- tárgy
- előfizetés
- sikeresen
- javasolja,
- megfelelő
- meglepődött
- szintaxis
- szabott
- Vesz
- bevétel
- cél
- Feladat
- feladatok
- technikák
- megmondja
- sablon
- hogy
- A
- azok
- Őket
- Ott.
- Ezek
- dolog
- Keresztül
- idő
- időigényes
- Cím
- címmel
- TLS
- nak nek
- szerszám
- felső
- Végösszeg
- kiképzett
- Trends
- Turning
- oktatói
- mögöttes
- megért
- unicode
- frissítés
- us
- használ
- használó
- Felhasználók
- rendszerint
- érték
- változat
- látható
- Látogat
- megjelenítés
- W
- kívánatos
- weboldal
- Mit
- vajon
- ami
- WHO
- Wikipedia
- lesz
- val vel
- belül
- szó
- szavak
- Munka
- munkafolyamat
- munkafolyamatok
- dolgozó
- lenne
- ír
- írás
- írott
- A te
- zephyrnet