תמונה מאת עורך
ב-14 במרץ 2023 השיקה OpenAI את GPT-4, הגרסה החדשה והחזקה ביותר של מודל השפה שלהם.
בתוך שעות ספורות מהשקתו, GPT-4 הדהים אנשים על ידי סיבוב א סקיצה מצוירת ביד לאתר פונקציונלי, לעבור את מבחן לשכת עורכי הדין, ו הפקת סיכומים מדויקים של מאמרי ויקיפדיה.
הוא גם מתעלה על קודמו, GPT-3.5, בפתרון בעיות מתמטיות ותשובות לשאלות המבוססות על היגיון והיגיון.
ChatGPT, הצ'אטבוט שנבנה על גבי GPT-3.5 ושוחרר לציבור, נודע לשמצה כ"הזוי". היא תייצר תגובות נכונות לכאורה ותגן על תשובותיה ב"עובדות", למרות שהן עמוסות בשגיאות.
משתמש אחד פנה לטוויטר לאחר שהדוגמנית התעקשה שביצי פילים הן הגדולות מכל חיות היבשה:
תמונה מתוך פיורה אטרנה
וזה לא נעצר שם. האלגוריתם המשיך ואישש את תגובתו בעובדות מומצאות שכמעט שכנעו אותי לרגע.
GPT-4, לעומת זאת, הוכשר "להזיות" בתדירות נמוכה יותר. קשה יותר להערים את המודל האחרון של OpenAI ואינו יוצר שקרים בביטחון בתדירות גבוהה.
כמדען נתונים, העבודה שלי מחייבת אותי למצוא מקורות נתונים רלוונטיים, לעבד מראש מערכי נתונים גדולים ולבנות מודלים של למידת מכונה מדויקים ביותר המניעים ערך עסקי.
אני מבלה חלק עצום מהיום שלי בחילוץ נתונים מפורמטים שונים של קבצים ומאחד אותם במקום אחד.
לאחר ש-ChatGPT הושק לראשונה בנובמבר 2022, פניתי לצ'אטבוט כדי לקבל הנחיות לגבי זרימות העבודה היומיות שלי. השתמשתי בכלי כדי לחסוך את כמות הזמן המושקעת בעבודות זנות - כדי שאוכל להתמקד בהמצאת רעיונות חדשים ויצירת מודלים טובים יותר במקום זאת.
ברגע ש-GPT-4 שוחרר, הייתי סקרן אם זה ישפיע על העבודה שאני עושה. האם היו יתרונות משמעותיים לשימוש ב-GPT-4 על פני קודמיו? האם זה יעזור לי לחסוך יותר זמן ממה שכבר הייתי עם GPT-3.5?
במאמר זה אראה לך כיצד אני משתמש ב-ChatGPT כדי להפוך זרימות עבודה של מדעי הנתונים לאוטומטיים.
אני אצור את אותן הנחיות ואזין אותן גם ל-GPT-4 וגם ל-GPT-3.5, כדי לראות אם הראשונים אכן מתפקדים טוב יותר ומביאים לחיסכון רב יותר בזמן.
אם תרצה לעקוב אחר כל מה שאני עושה במאמר זה, עליך לקבל גישה ל-GPT-4 ול-GPT-3.5.
GPT-3.5
GPT-3.5 זמין לציבור באתר האינטרנט של OpenAI. פשוט נווט אל https://chat.openai.com/auth/login, מלא את הפרטים הנדרשים, ותהיה לך גישה למודל השפה:
תמונה מתוך ChatGPT
GPT-4
GPT-4, לעומת זאת, מוסתר כרגע מאחורי חומת תשלום. כדי לגשת לדגם, עליך לשדרג ל-ChatGPTPlus על ידי לחיצה על "שדרג לפלוס".
יש דמי מנוי חודשיים של $20 לחודש שניתן לבטל בכל עת:
תמונה מתוך ChatGPT
אם אינך רוצה לשלם את דמי המנוי החודשיים, אתה יכול גם להצטרף ל רשימת המתנה של API עבור GPT-4. לאחר שתקבל גישה ל-API, תוכל לעקוב זֶה מדריך לשימוש בו ב-Python.
זה בסדר אם אין לך כרגע גישה ל-GPT-4.
אתה עדיין יכול לעקוב אחר הדרכה זו עם הגרסה החינמית של ChatGPT המשתמשת ב-GPT-3.5 בקצה האחורי.
1. ויזואליזציה של נתונים
בעת ביצוע ניתוח נתונים חקרני, יצירת הדמיה מהירה ב- Python עוזרת לי לעתים קרובות להבין טוב יותר את מערך הנתונים.
למרבה הצער, משימה זו עלולה להיות גוזלת זמן רב - במיוחד כאשר אינך יודע את התחביר הנכון לשימוש כדי להשיג את התוצאה הרצויה.
לעתים קרובות אני מוצא את עצמי מחפש בתיעוד הנרחב של Seaborn ומשתמש ב-StackOverflow כדי ליצור עלילת פייתון אחת.
בוא נראה אם ChatGPT יכול לעזור לפתור בעיה זו.
אנו נשתמש ב- פימה אינדיאנים סוכרת מערך הנתונים בסעיף זה. אתה יכול להוריד את מערך הנתונים אם תרצה לעקוב אחר התוצאות שנוצרו על ידי ChatGPT.
לאחר הורדת מערך הנתונים, בואו נטען אותו לפייתון באמצעות ספריית Pandas ונדפיס את ראש ה-dataframe:
import pandas as pd df = pd.read_csv('diabetes.csv')
df.head()
ישנם תשעה משתנים במערך הנתונים הזה. אחד מהם, "תוצאה", הוא משתנה היעד שאומר לנו אם אדם יפתח סוכרת. הנותרים הם משתנים בלתי תלויים המשמשים לניבוי התוצאה.
בסדר! אז אני רוצה לראות לאילו מהמשתנים הללו יש השפעה על האם אדם יפתח סוכרת.
כדי להשיג זאת, אנו יכולים ליצור תרשים עמודות מקובץ כדי להמחיש את המשתנה "סוכרת" על פני כל המשתנים התלויים במערך הנתונים.
זה למעשה די קל לקוד, אבל בואו נתחיל פשוט. נעבור להנחיות מסובכות יותר ככל שנתקדם במאמר.
הדמיית נתונים עם GPT-3.5
מכיוון שיש לי מנוי בתשלום ל-ChatGPT, הכלי מאפשר לי לבחור את המודל הבסיסי שבו ארצה להשתמש בכל פעם שאני ניגש אליו.
אני הולך לבחור GPT-3.5:
תמונה מ-ChatGPT Plus
אם אין לך מנוי, אתה יכול להשתמש בגרסה החינמית של ChatGPT מכיוון שהצ'אטבוט משתמש ב-GPT-3.5 כברירת מחדל.
כעת, הבה נקליד את ההנחיה הבאה כדי ליצור הדמיה באמצעות מערך הנתונים של סוכרת:
יש לי מערך נתונים עם 8 משתנים בלתי תלויים ומשתנה תלוי אחד. המשתנה התלוי, "תוצאה", אומר לנו אם אדם יפתח סוכרת.
המשתנים הבלתי תלויים, "הריונות", "גלוקוז", "לחץ דם", "עובי עור", "אינסולין", "BMI", "DiabetesPedigreeFunction" ו-"גיל" משמשים לניבוי תוצאה זו.
האם אתה יכול ליצור קוד Python כדי להמחיש את כל המשתנים הבלתי תלויים הללו לפי תוצאה? הפלט צריך להיות תרשים עמודות מקובץ אחד שצבוע על ידי המשתנה "Outcome". צריכים להיות 16 פסים בסך הכל, 2 לכל משתנה בלתי תלוי.
להלן תגובת הדגם להנחיה לעיל:
דבר אחד שבולט מיד הוא שהמודל הניח שאנחנו רוצים לייבא מערך נתונים מ-Seaborn. זה כנראה עשה את ההנחה הזו מכיוון שביקשנו ממנו להשתמש בספריית Seaborn.
זו לא בעיה ענקית, אנחנו רק צריכים לשנות שורה אחת לפני הפעלת הקודים.
להלן קטע הקוד המלא שנוצר על ידי GPT-3.5:
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()
אתה יכול להעתיק ולהדביק את זה לתוך Python IDE שלך.
להלן התוצאה שנוצרה לאחר הפעלת הקוד לעיל:
התרשים הזה נראה מושלם! זה בדיוק איך שדמיינתי את זה כשהקלדתי את ההנחיה ב-ChatGPT.
עם זאת, נושא אחד שבולט הוא שהטקסט בתרשים זה חופף. אני הולך לשאול את הדגם אם הוא יכול לעזור לנו לתקן את זה, על ידי הקלדת ההודעה הבאה:
האלגוריתם הסביר שנוכל למנוע חפיפה זו על ידי סיבוב תוויות התרשים או התאמת גודל הדמות. זה גם יצר קוד חדש כדי לעזור לנו להשיג זאת.
בואו נריץ את הקוד הזה כדי לראות אם הוא נותן לנו את התוצאות הרצויות:
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()
שורות הקוד שלמעלה אמורות ליצור את הפלט הבא:
זה נראה נהדר!
אני מבין את מערך הנתונים הרבה יותר כעת על ידי הסתכלות פשוט על התרשים הזה. נראה שאנשים עם רמות גבוהות יותר של גלוקוז ואינסולין נוטים יותר לפתח סוכרת.
כמו כן, שימו לב שהמשתנה "DiabetesPedigreeFunction" אינו נותן לנו שום מידע בתרשים זה. הסיבה לכך היא שהתכונה היא בקנה מידה קטן יותר (בין 0 ל-2.4). אם תרצה להתנסות נוספת עם ChatGPT, תוכל לבקש ממנו ליצור מספר עלילות משנה בתוך תרשים אחד כדי לפתור בעיה זו.
הדמיית נתונים עם GPT-4
כעת, בואו נזין את אותן הנחיות ל-GPT-4 כדי לראות אם נקבל תגובה שונה. אני הולך לבחור את דגם GPT-4 בתוך ChatGPT ולהקליד את אותה הנחיה כמו קודם:
שימו לב כיצד GPT-4 אינו מניח שאנו נשתמש ב-dataframe המובנה ב-Seaborn.
זה אומר לנו שהוא ישתמש ב-dataframe שנקרא "df" כדי לבנות את ההדמיה, שהיא שיפור מהתגובה שנוצרה על ידי GPT-3.5.
להלן הקוד המלא שנוצר על ידי אלגוריתם זה:
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()
הקוד לעיל אמור ליצור את העלילה הבאה:
זה מושלם!
למרות שלא ביקשנו זאת, GPT-4 כלל שורת קוד כדי להגדיל את גודל העלילה. התוויות בתרשים זה כולן גלויות בבירור, כך שאיננו צריכים לחזור ולתקן את הקוד כפי שעשינו קודם לכן.
זהו שלב מעל התגובה שנוצרה על ידי GPT-3.5.
עם זאת, בסך הכל, נראה כאילו GPT-3.5 ו-GPT-4 שניהם יעילים ביצירת קוד לביצוע משימות כמו הדמיית נתונים וניתוח.
חשוב לציין שמכיוון שאינך יכול להעלות נתונים לממשק של ChatGPT, עליך לספק למודל תיאור מדויק של מערך הנתונים שלך לקבלת תוצאות מיטביות.
2. עבודה עם מסמכי PDF
למרות שזה לא מקרה שימוש נפוץ במדעי הנתונים, נאלצתי לחלץ נתוני טקסט ממאות קבצי PDF כדי לבנות מודל ניתוח סנטימנט פעם אחת. הנתונים היו לא מובנים, והשקעתי זמן רב בחילוץ ועיבוד מוקדם שלהם.
אני גם עובד לעתים קרובות עם חוקרים שקוראים ויוצרים תוכן על אירועים אקטואליים המתרחשים בתעשיות ספציפיות. הם צריכים להתעדכן בחדשות, לנתח את דוחות החברה ולקרוא על מגמות פוטנציאליות בתעשייה.
במקום לקרוא 100 עמודים של דוח של חברה, לא קל יותר פשוט לחלץ מילים שאתה מעוניין בהן ולקרוא רק משפטים המכילים את מילות המפתח הללו?
לחלופין, אם אתה מעוניין במגמות, אתה יכול ליצור זרימת עבודה אוטומטית שמציגה צמיחה של מילות מפתח לאורך זמן במקום לעבור על כל דוח באופן ידני.
בחלק זה, נשתמש ב-ChatGPT כדי לנתח קבצי PDF ב-Python. נבקש מהצ'אטבוט לחלץ את התוכן של קובץ PDF ולכתוב אותו לקובץ טקסט.
שוב, זה ייעשה באמצעות גם GPT-3.5 וגם GPT-4 כדי לראות אם יש הבדל משמעותי בקוד שנוצר.
קריאת קבצי PDF עם GPT-3.5
בחלק זה, ננתח מסמך PDF זמין לציבור בשם מבוא קצר ללמידת מכונה למהנדסים. הקפד להוריד את הקובץ הזה אם ברצונך להצטרף לקטע זה.
ראשית, בואו נבקש מהאלגוריתם ליצור קוד Python כדי לחלץ נתונים ממסמך PDF זה ולשמור אותם בקובץ טקסט:
הנה הקוד המלא שסופק על ידי האלגוריתם:
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)
(הערה: הקפד לשנות את שם קובץ ה-PDF לזה ששמרת לפני הפעלת קוד זה.)
לרוע המזל, לאחר הפעלת הקוד שנוצר על ידי GPT-3.5, נתקלתי בשגיאת unicode הבאה:
בוא נחזור ל-GPT-3.5 ונראה אם הדגם יכול לתקן את זה:
הדבקתי את השגיאה ב-ChatGPT, והדגם השיב שניתן לתקן אותה על ידי שינוי הקידוד המשמש ל-"utf-8". זה גם נתן לי קוד שונה ששיקף את השינוי הזה:
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)
קוד זה הופעל בהצלחה ויצר קובץ טקסט בשם "output_file.txt." כל התוכן במסמך PDF נכתב לקובץ:
קריאת קבצי PDF עם GPT-4
כעת, אני הולך להדביק את אותה הנחיה ב-GPT-4 כדי לראות מה הדגם מגיע עם:
הנה הקוד המלא שנוצר על ידי GPT-4:
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)
תסתכל על זה!
שלא כמו GPT-3.5, GPT-4 כבר ציין שיש להשתמש בקידוד "utf-8" כדי לפתוח את קובץ הטקסט. אנחנו לא צריכים לחזור ולתקן את הקוד כפי שעשינו בעבר.
הקוד שסופק על ידי GPT-4 אמור לפעול בהצלחה, ואתה אמור לראות את התוכן של מסמך ה-PDF בקובץ הטקסט שנוצר.
ישנן טכניקות רבות אחרות בהן תוכל להשתמש כדי להפוך מסמכי PDF לאוטומטיים עם Python. אם תרצה לחקור זאת יותר, הנה כמה הנחיות נוספות שתוכל להקליד ב-ChatGPT:
- האם אתה יכול לכתוב קוד Python כדי למזג שני קבצי PDF?
- כיצד אוכל לספור את המופעים של מילה או ביטוי ספציפיים במסמך PDF עם Python?
- האם אתה יכול לכתוב קוד Python כדי לחלץ טבלאות מקובצי PDF ולכתוב אותם באקסל?
אני מציע לנסות כמה מאלה בזמנך הפנוי - תופתעו לגלות באיזו מהירות GPT-4 יכול לעזור לכם לבצע משימות חלשות שלרוב לוקח שעות לבצע.
3. שליחת מיילים אוטומטיים
אני מבלה שעות משבוע העבודה שלי בקריאה ומענה למיילים. לא רק שזה גוזל זמן, אלא שזה גם יכול להיות מלחיץ מאוד להתעדכן בהודעות דוא"ל כשאתה רודף אחרי מועדים צפופים.
ולמרות שאינך יכול לגרום ל-ChatGPT לכתוב את כל המיילים שלך עבורך (הלוואי), אתה עדיין יכול להשתמש בו כדי לכתוב תוכניות ששולחות אימיילים מתוזמנים בזמן מסוים או לשנות תבנית דוא"ל אחת שניתן לשלוח למספר אנשים .
בחלק זה, נקבל את GPT-3.5 ו-GPT-4 שיעזרו לנו לכתוב סקריפט Python לשליחת מיילים אוטומטיים.
שליחת אימיילים אוטומטיים עם GPT-3.5
ראשית, הבה נקליד את ההנחיה הבאה כדי ליצור קודים לשליחת אימייל אוטומטי:
להלן הקוד המלא שנוצר על ידי GPT-3.5 (הקפד לשנות את כתובות האימייל והסיסמה לפני הפעלת קוד זה):
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)
לצערי, הקוד הזה לא הופעל בהצלחה עבורי. זה יצר את השגיאה הבאה:
בואו נדביק שגיאה זו ב-ChatGPT ונראה אם המודל יכול לעזור לנו לפתור אותה:
אוקיי, אז האלגוריתם ציין כמה סיבות מדוע ייתכן שנתקלנו בשגיאה הזו.
אני יודע בוודאות שאישורי הכניסה וכתובות האימייל שלי היו חוקיים ושלא היו שגיאות הקלדה בקוד. כך שניתן לשלול את הסיבות הללו.
GPT-3.5 מצביע גם על כך שהתרת אפליקציות פחות מאובטחות עשויה לפתור בעיה זו.
עם זאת, אם תנסה זאת, לא תמצא בחשבון Google שלך אפשרות לאפשר גישה לאפליקציות פחות מאובטחות.
זה בגלל גוגל כבר לא מאפשר למשתמשים לאפשר אפליקציות פחות מאובטחות בגלל חששות אבטחה.
לבסוף, GPT-3.5 גם מזכיר שיש ליצור סיסמת אפליקציה אם אימות דו-שלבי הופעל.
לא הפעלתי אימות דו-גורמי, אז אני הולך (זמני) לוותר על הדגם הזה ולראות אם ל-GPT-4 יש פתרון.
שליחת אימיילים אוטומטיים עם GPT-4
אוקיי, אז אם תקלידו את אותה הנחיה ב-GPT-4, תגלו שהאלגוריתם יוצר קוד שדומה מאוד למה ש-GPT-3.5 נתן לנו. זה יגרום לאותה שגיאה שנתקלנו בה בעבר.
בוא נראה אם GPT-4 יכול לעזור לנו לתקן את השגיאה הזו:
ההצעות של GPT-4 דומות מאוד למה שראינו בעבר.
עם זאת, הפעם, זה נותן לנו פירוט שלב אחר שלב של איך לבצע כל שלב.
GPT-4 מציע גם ליצור סיסמת אפליקציה, אז בואו ננסה אותה.
ראשית, בקר בחשבון Google שלך, נווט אל "אבטחה" והפעל אימות דו-גורמי. לאחר מכן, באותו קטע, אתה אמור לראות אפשרות שאומרת "סיסמאות לאפליקציה".
לחץ עליו והמסך הבא יופיע:
אתה יכול להזין כל שם שתרצה, וללחוץ על "צור".
סיסמת אפליקציה חדשה תופיע.
החלף את הסיסמה הקיימת שלך בקוד Python בסיסמת האפליקציה הזו והפעל את הקוד שוב:
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)
זה אמור לפעול בהצלחה הפעם, והנמען שלך יקבל אימייל שנראה כך:
מושלם!
הודות ל-ChatGPT, שלחנו בהצלחה אימייל אוטומטי עם Python.
אם תרצה לקחת את זה צעד קדימה, אני מציע ליצור הנחיות המאפשרות לך:
- שלח הודעות דוא"ל בכמות גדולה למספר נמענים בו זמנית
- שלח אימיילים מתוזמנים לרשימה מוגדרת מראש של כתובות דוא"ל
- שלח לנמענים אימייל מותאם אישית המותאם לגילם, מגדרם ומיקומם.
נטשה סלבארג ' הוא מדען נתונים אוטודידקט עם תשוקה לכתיבה. אתה יכול להתחבר אליה הלאה לינקדין.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- Platoblockchain. Web3 Metaverse Intelligence. ידע מוגבר. גישה כאן.
- מקור: 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
- :הוא
- $ למעלה
- 1
- 100
- 2022
- 2023
- 7
- 8
- a
- אודות
- מֵעַל
- גישה
- להשיג
- חֶשְׁבּוֹן
- מדויק
- להשיג
- לרוחב
- למעשה
- כתובות
- לאחר
- אַלגוֹרִיתְם
- תעשיות
- מאפשר
- מאפשר
- כְּבָר
- למרות
- כמות
- אנליזה
- לנתח
- ניתוח
- ו
- בעלי חיים
- תשובות
- API
- האפליקציה
- לְהוֹפִיעַ
- אפליקציות
- ARE
- מאמר
- AS
- להניח
- הנחה
- At
- אימות
- אוטומטי
- אוטומטי
- זמין
- מְמוּצָע
- בחזרה
- קצה אחורי
- בָּר
- סורגים
- מבוסס
- BE
- כי
- להיות
- לפני
- מאחור
- הטבות
- מוטב
- בֵּין
- Bmi
- גוּף
- משעמם
- התמוטטות
- לִבנוֹת
- נבנה
- עסקים
- by
- נקרא
- CAN
- מבוטל
- לא יכול
- לגרום
- שינוי
- משתנה
- תרשים
- chatbot
- ChatGPT
- בבירור
- קליק
- קוד
- COM
- מגיע
- Common
- חברה
- של החברה
- להשלים
- מסובך
- דאגות
- בביטחון
- לְחַבֵּר
- הקשר
- איחוד
- תוכן
- תוכן
- לְאַמֵת
- יכול
- לִיצוֹר
- נוצר
- יוצרים
- אישורים
- סקרן
- נוֹכְחִי
- כיום
- אישית
- אישית
- יומי
- נתונים
- ניתוח נתונים
- מדע נתונים
- מדען נתונים
- נתונים להדמיה
- מערכי נתונים
- יְוֹם
- בְּרִירַת מֶחדָל
- תלוי
- תיאור
- פרטים
- לפתח
- סוכרת
- DID
- הבדל
- אחר
- מסמך
- תיעוד
- מסמכים
- לא
- עושה
- לא
- להורדה
- נהיגה
- בְּמַהֲלָך
- כל אחד
- מוקדם יותר
- קל יותר
- אפקטיבי
- ביצים
- או
- פיל
- אמייל
- מיילים
- לאפשר
- מופעל
- הצף
- זן
- שגיאה
- שגיאות
- במיוחד
- Ether (ETH)
- אירועים
- כל
- הכל
- בדיוק
- Excel
- לבצע
- קיימים
- לְנַסוֹת
- מוסבר
- ניתוח נתונים חקרני
- לחקור
- נרחב
- תמצית
- מאפיין
- תשלום
- מעטים
- תרשים
- שלח
- קבצים
- למלא
- ראשון
- לסדר
- קבוע
- להתמקד
- לעקוב
- הבא
- בעד
- לשעבר
- חופשי
- בתדירות גבוהה
- החל מ-
- פונקציונלי
- נוסף
- מין
- ליצור
- נוצר
- מייצר
- יצירת
- לקבל
- לתת
- נותן
- gmail
- Go
- הולך
- צמיחה
- הדרכה
- מדריך
- יד
- יש
- ראש
- לעזור
- עוזר
- כאן
- מוּסתָר
- גבוה יותר
- מאוד
- מאוזן
- שעות
- איך
- איך
- אולם
- HTTPS
- עצום
- מאות
- i
- רעיונות
- מיד
- פְּגִיעָה
- לייבא
- חשוב
- השבחה
- in
- כלול
- להגדיל
- בצורה מדהימה
- עצמאי
- תעשיות
- תעשייה
- מידע
- במקום
- מעוניין
- מִמְשָׁק
- מבוא
- סוגיה
- IT
- שֶׁלָה
- עבודה
- להצטרף
- KDnuggets
- לדעת
- תוויות
- מדינה
- שפה
- גָדוֹל
- הגדול ביותר
- האחרון
- לשגר
- הושק
- למידה
- מאפשר לי
- רמות
- סִפְרִיָה
- כמו
- סביר
- קו
- קווים
- לינקדין
- רשימה
- לִטעוֹן
- מיקום
- נראה
- הסתכלות
- נראה
- מגרש
- מכונה
- למידת מכונה
- עשוי
- לעשות
- באופן ידני
- רב
- צעדה
- מתמטיקה
- matplotlib
- אזכורים
- למזג
- הודעה
- יכול
- מצב
- מודל
- מודלים
- שונים
- לשנות
- רֶגַע
- אחת לחודש
- מנוי חודשי
- יותר
- רוב
- המהלך
- מספר
- שם
- נווט
- צורך
- חדש
- אפליקציה חדשה
- החדש ביותר
- חדשות
- יָדוּעַ לְשִׁמצָה
- נוֹבֶמבֶּר
- מספר
- אובייקט
- of
- בסדר
- on
- ONE
- לפתוח
- OpenAI
- אופטימלית
- אפשרות
- אחר
- תוֹצָאָה
- ביצועים טובים יותר
- תפוקה
- עמוד
- נפרע
- דובי פנדה
- תשוקה
- סיסמה
- סיסמאות
- תשלום
- אֲנָשִׁים
- לבצע
- ביצוע
- אדם
- מקום
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- ועוד
- פוטנציאל
- חזק
- קודמו
- לחזות
- יפה
- למנוע
- קוֹדֶם
- קופונים להדפסה
- כנראה
- בעיה
- בעיות
- תוכניות
- התקדמות
- לספק
- ובלבד
- ציבורי
- בפומבי
- פיתון
- שאלות
- מָהִיר
- מהירות
- חומר עיוני
- קורא
- קריאה
- סיבות
- לקבל
- נמענים
- משתקף
- שוחרר
- רלוונטי
- נותר
- לדווח
- דוחות לדוגמא
- נדרש
- דורש
- חוקרים
- להגיב
- תגובה
- תוצאה
- תוצאות
- הפעלה
- ריצה
- אותו
- שמור
- חיסכון
- אומר
- סולם
- מתוכנן
- מדע
- מַדְעָן
- מסך
- ים ים
- חיפוש
- סעיף
- לבטח
- אבטחה
- שליחה
- רגש
- סט
- צריך
- לְהַצִיג
- משמעותי
- דומה
- פָּשׁוּט
- בפשטות
- since
- יחיד
- מידה
- קטן יותר
- So
- פִּתָרוֹן
- לפתור
- פותר
- כמה
- מקורות
- ספציפי
- מפורט
- לבלות
- בילה
- עומד
- התחלה
- להשאר
- שלב
- עוד
- עצור
- נושא
- מִנוּיים
- בהצלחה
- מציע
- מַתְאִים
- הופתע
- תחביר
- מותאם
- לקחת
- נטילת
- יעד
- המשימות
- משימות
- טכניקות
- אומר
- תבנית
- זֶה
- אל האני
- שֶׁלָהֶם
- אותם
- שם.
- אלה
- דבר
- דרך
- זמן
- דורש זמן רב
- כותרת
- שכותרתו
- TLS
- ל
- כלי
- חלק עליון
- סה"כ
- מְאוּמָן
- מגמות
- פנייה
- הדרכה
- בְּסִיסִי
- להבין
- Unicode
- שדרוג
- us
- להשתמש
- משתמש
- משתמשים
- בְּדֶרֶך כְּלַל
- ערך
- גרסה
- נראה
- לְבַקֵר
- ראיה
- W
- רציתי
- אתר
- מה
- אם
- אשר
- מי
- ויקיפדיה
- יצטרך
- עם
- בתוך
- Word
- מילים
- תיק עבודות
- זרימת עבודה
- זרימות עבודה
- עובד
- היה
- לכתוב
- כתיבה
- כתוב
- זפירנט