Imagine de editor
Pe 14 martie 2023, OpenAI a lansat GPT-4, cea mai nouă și mai puternică versiune a modelului lor lingvistic.
În doar câteva ore de la lansare, GPT-4 a uimit oamenii transformând a schiță desenată manual într-un site web funcțional, promovarea examenului de barou, și generarea de rezumate precise ale articolelor Wikipedia.
De asemenea, depășește predecesorul său, GPT-3.5, în rezolvarea problemelor de matematică și răspunsul la întrebări bazate pe logică și raționament.
ChatGPT, chatbot-ul care a fost construit pe GPT-3.5 și lansat publicului, era renumit pentru „halucinarea”. Ar genera răspunsuri aparent corecte și și-ar apăra răspunsurile cu „fapte”, deși erau încărcate de erori.
Un utilizator a accesat Twitter după ce modelul a insistat că ouăle de elefant sunt cele mai mari dintre toate animalele terestre:
Imagine de la FioraAeterna
Și nu s-a oprit aici. Algoritmul a continuat să-și coroboreze răspunsul cu fapte inventate care aproape m-au convins pentru o clipă.
GPT-4, pe de altă parte, a fost antrenat să „halucineze” mai rar. Cel mai recent model OpenAI este mai greu de păcălit și nu generează cu încredere falsuri la fel de frecvent.
În calitate de om de știință a datelor, jobul meu îmi cere să găsesc surse de date relevante, să preprocesez seturi mari de date și să construiesc modele de învățare automată extrem de precise care să conducă la valoarea afacerii.
Îmi petrec o mare parte a zilei extragând date din diferite formate de fișiere și consolidându-le într-un singur loc.
După ce ChatGPT a fost lansat pentru prima dată în noiembrie 2022, m-am uitat la chatbot pentru câteva îndrumări cu fluxurile mele zilnice de lucru. Am folosit instrumentul pentru a economisi timpul petrecut cu munca ușoară - astfel încât să mă pot concentra pe a veni cu idei noi și pe a crea modele mai bune.
Odată ce GPT-4 a fost lansat, am fost curios dacă va face o diferență în munca pe care o făceam. Au existat beneficii semnificative ale utilizării GPT-4 față de predecesorii săi? M-ar ajuta să economisesc mai mult timp decât eram deja cu GPT-3.5?
În acest articol, vă voi arăta cum folosesc ChatGPT pentru a automatiza fluxurile de lucru din știința datelor.
Voi crea aceleași solicitări și le voi introduce atât în GPT-4, cât și în GPT-3.5, pentru a vedea dacă primul funcționează într-adevăr mai bine și are ca rezultat mai multă economie de timp.
Dacă doriți să urmăriți tot ce fac în acest articol, trebuie să aveți acces la GPT-4 și GPT-3.5.
GPT-3.5
GPT-3.5 este disponibil public pe site-ul OpenAI. Pur și simplu navigați la https://chat.openai.com/auth/login, completați detaliile necesare și veți avea acces la modelul de limbă:
Imagine de la Chat GPT
GPT-4
GPT-4, pe de altă parte, este în prezent ascuns în spatele unui paywall. Pentru a accesa modelul, trebuie să faceți upgrade la ChatGPTPlus făcând clic pe „Upgrade to Plus”.
Există o taxă lunară de abonament de 20 USD/lună care poate fi anulată oricând:
Imagine de la Chat GPT
Dacă nu doriți să plătiți taxa lunară de abonament, vă puteți înscrie și la Lista de așteptare API pentru GPT-4. Odată ce obțineți acces la API, puteți urmări acest ghid de utilizare în Python.
Este în regulă dacă în prezent nu aveți acces la GPT-4.
Puteți urma în continuare acest tutorial cu versiunea gratuită de ChatGPT care utilizează GPT-3.5 în backend.
1. Vizualizarea datelor
Când efectuez analize exploratorii de date, generarea unei vizualizări rapide în Python mă ajută adesea să înțeleg mai bine setul de date.
Din păcate, această sarcină poate deveni incredibil de consumatoare de timp - mai ales atunci când nu cunoașteți sintaxa potrivită pentru a obține rezultatul dorit.
Adesea mă trezesc căutând prin documentația extinsă a Seaborn și folosind StackOverflow pentru a genera o singură parcelă Python.
Să vedem dacă ChatGPT poate ajuta la rezolvarea acestei probleme.
Vom folosi Indienii Pima Diabet setul de date din această secțiune. Puteți descărca setul de date dacă doriți să urmăriți împreună cu rezultatele generate de ChatGPT.
După descărcarea setului de date, să-l încărcăm în Python folosind biblioteca Pandas și să tipărim capul cadrului de date:
import pandas as pd df = pd.read_csv('diabetes.csv')
df.head()
Există nouă variabile în acest set de date. Unul dintre ele, „Rezultatul”, este variabila țintă care ne spune dacă o persoană va dezvolta diabet. Restul sunt variabile independente utilizate pentru a prezice rezultatul.
Bine! Așa că vreau să văd care dintre aceste variabile au un impact asupra faptului că o persoană va dezvolta diabet.
Pentru a realiza acest lucru, putem crea o diagramă cu bare grupate pentru a vizualiza variabila „Diabet” în toate variabilele dependente din setul de date.
Acest lucru este de fapt destul de ușor de codificat, dar să începem simplu. Vom trece la solicitări mai complicate pe măsură ce progresăm prin articol.
Vizualizarea datelor cu GPT-3.5
Deoarece am un abonament plătit la ChatGPT, instrumentul îmi permite să selectez modelul de bază pe care aș dori să-l folosesc de fiecare dată când îl accesez.
Voi selecta GPT-3.5:
Imagine de la ChatGPT Plus
Dacă nu aveți un abonament, puteți utiliza versiunea gratuită a ChatGPT, deoarece chatbot-ul folosește GPT-3.5 în mod implicit.
Acum, să introducem următorul prompt pentru a genera o vizualizare folosind setul de date despre diabet:
Am un set de date cu 8 variabile independente și 1 variabilă dependentă. Variabila dependentă, „Rezultat”, ne spune dacă o persoană va dezvolta diabet.
Variabilele independente, „Sarcina”, „Glucoză”, „Tensiune arterială”, „Grosimea pielii”, „Insulină”, „IMC”, „DiabetPedigreeFunction” și „Vârsta” sunt utilizate pentru a prezice acest rezultat.
Puteți genera cod Python pentru a vizualiza toate aceste variabile independente după rezultat? Rezultatul ar trebui să fie o diagramă cu bare grupată, colorată de variabila „Rezultat”. Ar trebui să existe 16 bare în total, câte 2 pentru fiecare variabilă independentă.
Iată răspunsul modelului la solicitarea de mai sus:
Un lucru care iese imediat în evidență este că modelul presupunea că dorim să importăm un set de date de la Seaborn. Probabil a făcut această presupunere, deoarece i-am cerut să folosească biblioteca Seaborn.
Aceasta nu este o problemă uriașă, trebuie doar să schimbăm o linie înainte de a rula codurile.
Iată fragmentul de cod complet generat de 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()
Puteți copia și lipi acest lucru în IDE-ul dvs. Python.
Iată rezultatul generat după rularea codului de mai sus:
Acest grafic arată perfect! Este exact cum mi-am imaginat-o când am tastat promptul în ChatGPT.
O problemă care iese în evidență, totuși, este aceea că textul de pe această diagramă se suprapune. O să întreb modelul dacă ne poate ajuta să remediam acest lucru, tastând următorul prompt:
Algoritmul a explicat că am putea preveni această suprapunere fie prin rotirea etichetelor diagramei, fie prin ajustarea dimensiunii figurii. De asemenea, a generat un cod nou pentru a ne ajuta să realizăm acest lucru.
Să rulăm acest cod pentru a vedea dacă ne dă rezultatele dorite:
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()
Liniile de cod de mai sus ar trebui să genereze următoarea ieșire:
Arată grozav!
Înțeleg setul de date mult mai bine acum uitându-mă la acest grafic. Se pare că persoanele cu niveluri mai mari de glucoză și insulină au mai multe șanse de a dezvolta diabet.
De asemenea, observați că variabila „DiabetesPedigreeFunction” nu ne oferă nicio informație în acest grafic. Acest lucru se datorează faptului că caracteristica este la o scară mai mică (între 0 și 2.4). Dacă doriți să experimentați în continuare cu ChatGPT, îi puteți solicita să genereze mai multe subploturi într-o singură diagramă pentru a rezolva această problemă.
Vizualizarea datelor cu GPT-4
Acum, să introducem aceleași solicitări în GPT-4 pentru a vedea dacă primim un răspuns diferit. Voi selecta modelul GPT-4 în ChatGPT și voi introduce aceeași solicitare ca înainte:
Observați cum GPT-4 nu presupune că vom folosi un cadru de date care este încorporat în Seaborn.
Ne spune că va folosi un cadru de date numit „df” pentru a construi vizualizarea, ceea ce este o îmbunătățire față de răspunsul generat de GPT-3.5.
Iată codul complet generat de acest algoritm:
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()
Codul de mai sus ar trebui să genereze următorul grafic:
Aceasta este perfect!
Chiar dacă nu am cerut, GPT-4 a inclus o linie de cod pentru a mări dimensiunea parcelei. Etichetele de pe această diagramă sunt toate clar vizibile, așa că nu trebuie să ne întoarcem și să modificăm codul așa cum am făcut mai devreme.
Acesta este un pas deasupra răspunsului generat de GPT-3.5.
În general, totuși, se pare că GPT-3.5 și GPT-4 sunt ambele eficiente în generarea de cod pentru a efectua sarcini precum vizualizarea și analiza datelor.
Este important să rețineți că, deoarece nu puteți încărca date în interfața ChatGPT, ar trebui să furnizați modelului o descriere precisă a setului de date pentru rezultate optime.
2. Lucrul cu documente PDF
Deși acesta nu este un caz de utilizare comun al științei datelor, a trebuit să extrag date text din sute de fișiere PDF pentru a construi o dată un model de analiză a sentimentelor. Datele erau nestructurate și am petrecut mult timp extragându-le și preprocesându-le.
De asemenea, lucrez adesea cu cercetători care citesc și creează conținut despre evenimentele curente care au loc în anumite industrii. Trebuie să fie la curent cu știrile, să analizeze rapoartele companiei și să citească despre potențialele tendințe din industrie.
În loc să citiți 100 de pagini din raportul unei companii, nu este mai ușor să extrageți pur și simplu cuvintele care vă interesează și să citiți doar propoziții care conțin acele cuvinte cheie?
Sau, dacă sunteți interesat de tendințe, puteți crea un flux de lucru automat care să prezinte creșterea cuvintelor cheie în timp, în loc să parcurgeți manual fiecare raport.
În această secțiune, vom folosi ChatGPT pentru a analiza fișiere PDF în Python. Vom cere chatbot-ului să extragă conținutul unui fișier PDF și să îl scrie într-un fișier text.
Din nou, acest lucru se va face folosind atât GPT-3.5, cât și GPT-4 pentru a vedea dacă există o diferență semnificativă în codul generat.
Citirea fișierelor PDF cu GPT-3.5
În această secțiune, vom analiza un document PDF disponibil public intitulat O scurtă introducere în învățarea automată pentru ingineri. Asigurați-vă că descărcați acest fișier dacă doriți să codificați în această secțiune.
Mai întâi, să cerem algoritmului să genereze cod Python pentru a extrage date din acest document PDF și a le salva într-un fișier text:
Iată codul complet furnizat de algoritm:
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)
(Notă: asigurați-vă că schimbați numele fișierului PDF cu cel salvat înainte de a rula acest cod.)
Din păcate, după ce am rulat codul generat de GPT-3.5, am întâlnit următoarea eroare unicode:
Să revenim la GPT-3.5 și să vedem dacă modelul poate remedia acest lucru:
Am lipit eroarea în ChatGPT, iar modelul a răspuns că ar putea fi remediată schimbând codificarea folosită la „utf-8”. De asemenea, mi-a dat un cod modificat care a reflectat această schimbare:
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)
Acest cod a fost executat cu succes și a creat un fișier text numit „output_file.txt”. Tot conținutul documentului PDF a fost scris în fișier:
Citirea fișierelor PDF cu GPT-4
Acum, voi lipi același prompt în GPT-4 pentru a vedea cu ce vine modelul:
Iată codul complet generat de 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)
Uită-te la asta!
Spre deosebire de GPT-3.5, GPT-4 a specificat deja că codificarea „utf-8” ar trebui utilizată pentru a deschide fișierul text. Nu trebuie să ne întoarcem și să modificăm codul așa cum am făcut anterior.
Codul furnizat de GPT-4 ar trebui să se execute cu succes și ar trebui să vedeți conținutul documentului PDF în fișierul text care a fost creat.
Există multe alte tehnici pe care le puteți utiliza pentru a automatiza documentele PDF cu Python. Dacă doriți să explorați acest lucru în continuare, iată câteva alte solicitări pe care le puteți introduce în ChatGPT:
- Puteți scrie cod Python pentru a îmbina două fișiere PDF?
- Cum pot număra aparițiile unui anumit cuvânt sau expresie într-un document PDF cu Python?
- Puteți scrie cod Python pentru a extrage tabele din PDF-uri și a le scrie în Excel?
Vă sugerez să încercați unele dintre acestea în timpul liber - veți fi surprins de cât de repede vă poate ajuta GPT-4 să îndepliniți sarcini ușoare care durează de obicei ore întregi.
3. Trimiterea de e-mailuri automate
Petrec ore întregi din săptămâna mea de lucru citind și răspunzând la e-mailuri. Nu numai că consumă mult timp, dar poate fi și incredibil de stresant să rămâi la curent cu e-mailurile atunci când urmărești termene limită strânse.
Și, deși nu puteți face ca ChatGPT să vă scrie toate e-mailurile (mi-aș dori), îl puteți folosi în continuare pentru a scrie programe care trimit e-mailuri programate la o anumită oră sau pentru a modifica un singur șablon de e-mail care poate fi trimis mai multor persoane. .
În această secțiune, vom obține GPT-3.5 și GPT-4 pentru a ne ajuta să scriem un script Python pentru a trimite e-mailuri automate.
Trimiterea de e-mailuri automate cu GPT-3.5
Mai întâi, să introducem următoarea solicitare pentru a genera coduri pentru a trimite un e-mail automat:
Iată codul complet generat de GPT-3.5 (Asigurați-vă că schimbați adresele de e-mail și parola înainte de a rula acest cod):
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)
Din păcate, acest cod nu s-a executat cu succes pentru mine. A generat următoarea eroare:
Să lipim această eroare în ChatGPT și să vedem dacă modelul ne poate ajuta să o rezolvăm:
Bine, deci algoritmul a subliniat câteva motive pentru care s-ar putea să ne confruntăm cu această eroare.
Știu cu siguranță că datele mele de conectare și adresele de e-mail erau valide și că nu au existat greșeli de scriere în cod. Deci aceste motive pot fi excluse.
GPT-3.5 sugerează, de asemenea, că permiterea aplicațiilor mai puțin sigure ar putea rezolva această problemă.
Dacă încercați acest lucru, totuși, nu veți găsi o opțiune în contul dvs. Google pentru a permite accesul la aplicații mai puțin sigure.
Acest lucru se datorează faptului că Google nu mai permite utilizatorilor să permită aplicații mai puțin sigure din cauza problemelor de securitate.
În cele din urmă, GPT-3.5 menționează, de asemenea, că ar trebui generată o parolă pentru aplicație dacă a fost activată autentificarea cu doi factori.
Nu am autentificarea cu doi factori activată, așa că am de gând să renunț (temporar) la acest model și să văd dacă GPT-4 are o soluție.
Trimiterea de e-mailuri automate cu GPT-4
Bine, deci dacă tastați același prompt în GPT-4, veți descoperi că algoritmul generează cod care este foarte asemănător cu ceea ce ne-a dat GPT-3.5. Acest lucru va provoca aceeași eroare pe care am întâlnit-o anterior.
Să vedem dacă GPT-4 ne poate ajuta să remediam această eroare:
Sugestiile GPT-4 sunt foarte asemănătoare cu ceea ce am văzut anterior.
Cu toate acestea, de data aceasta, ne oferă o defalcare pas cu pas a modului de realizare a fiecărui pas.
GPT-4 sugerează, de asemenea, crearea unei parole pentru aplicație, așa că haideți să o încercăm.
Mai întâi, accesați Contul dvs. Google, navigați la „Securitate” și activați autentificarea cu doi factori. Apoi, în aceeași secțiune, ar trebui să vedeți o opțiune care spune „Parole aplicației”.
Faceți clic pe el și va apărea următorul ecran:
Puteți introduce orice nume doriți și faceți clic pe „Generează”.
Va apărea o nouă parolă pentru aplicație.
Înlocuiți parola existentă în codul Python cu această parolă de aplicație și rulați din nou codul:
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)
Ar trebui să ruleze cu succes de data aceasta, iar destinatarul dvs. va primi un e-mail care arată astfel:
Top!
Datorită ChatGPT, am trimis cu succes un e-mail automat cu Python.
Dacă doriți să faceți acest lucru un pas mai departe, vă sugerez să generați solicitări care vă permit să:
- Trimiteți e-mailuri în bloc către mai mulți destinatari în același timp
- Trimiteți e-mailuri programate către o listă predefinită de adrese de e-mail
- Trimiteți destinatarilor un e-mail personalizat, adaptat vârstei, sexului și locației acestora.
Natassha Selvaraj este un cercetător de date autodidact cu o pasiune pentru scris. Te poți conecta cu ea LinkedIn.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- Platoblockchain. Web3 Metaverse Intelligence. Cunoștințe amplificate. Accesați Aici.
- Sursa: 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
- :este
- $UP
- 1
- 100
- 2022
- 2023
- 7
- 8
- a
- Despre Noi
- mai sus
- acces
- realiza
- Cont
- precis
- Obține
- peste
- de fapt
- adrese
- După
- Algoritmul
- TOATE
- Permiterea
- permite
- deja
- Cu toate ca
- sumă
- analiză
- analiza
- analiza
- și
- animale
- răspunsuri
- api
- aplicaţia
- apărea
- Apps
- SUNT
- articol
- AS
- asumat
- presupunere
- At
- Autentificare
- automatizarea
- Automata
- disponibil
- in medie
- înapoi
- Backend
- bar
- baruri
- bazat
- BE
- deoarece
- deveni
- înainte
- în spatele
- Beneficiile
- Mai bine
- între
- bmi
- corp
- Plictisitor
- Defalcarea
- construi
- construit
- afaceri
- by
- denumit
- CAN
- anulat
- nu poti
- Provoca
- Schimbare
- schimbarea
- Diagramă
- chatbot
- Chat GPT
- clar
- clic
- cod
- COM
- venire
- Comun
- companie
- Compania
- Completă
- complicat
- preocupările
- cu încredere
- Conectați
- conexiune
- consolidarea
- conţinut
- conținut
- coroborează
- ar putea
- crea
- a creat
- Crearea
- scrisori de acreditare
- curios
- Curent
- În prezent
- personaliza
- personalizate
- zilnic
- de date
- analiza datelor
- știința datelor
- om de știință de date
- vizualizarea datelor
- seturi de date
- zi
- Mod implicit
- Dependent/ă
- descriere
- detalii
- dezvolta
- Diabet
- FĂCUT
- diferenţă
- diferit
- document
- documentaţie
- documente
- Nu
- face
- Dont
- Descarca
- conduce
- în timpul
- fiecare
- Mai devreme
- mai ușor
- Eficace
- Ouă
- oricare
- elefant
- e-mailuri
- permite
- activat
- criptare
- Intrați
- eroare
- Erori
- mai ales
- Eter (ETH)
- evenimente
- Fiecare
- tot
- exact
- Excel
- a executa
- existent
- experiment
- a explicat
- Analiza datelor exploratorii
- explora
- extensiv
- extrage
- Caracteristică
- taxă
- puțini
- Figura
- Fișier
- Fişiere
- umple
- Găsi
- First
- Repara
- fixată
- Concentra
- urma
- următor
- Pentru
- Fost
- Gratuit
- frecvent
- din
- funcțional
- mai mult
- Gen
- genera
- generată
- generează
- generator
- obține
- Da
- oferă
- Gmail
- Go
- merge
- Creștere
- îndrumare
- ghida
- mână
- Avea
- cap
- ajutor
- ajută
- aici
- Ascuns
- superior
- extrem de
- Orizontală
- ORE
- Cum
- Cum Pentru a
- Totuși
- HTTPS
- mare
- sute
- i
- idei
- imediat
- Impactul
- import
- important
- îmbunătățire
- in
- inclus
- Crește
- incredibil
- independent
- industrii
- industrie
- informații
- in schimb
- interesat
- interfaţă
- Introducere
- problema
- IT
- ESTE
- Loc de munca
- alătura
- KDnuggets
- Cunoaște
- etichete
- Țară
- limbă
- mare
- cea mai mare
- Ultimele
- lansa
- a lansat
- învăţare
- Permite
- nivelurile de
- Bibliotecă
- ca
- Probabil
- Linie
- linii
- Listă
- încărca
- locaţie
- uitat
- cautati
- Se pare
- Lot
- maşină
- masina de învățare
- făcut
- face
- manual
- multe
- Martie
- matematica
- matplotlib
- menționează
- Îmbina
- mesaj
- ar putea
- mod
- model
- Modele
- modificată
- modifica
- moment
- lunar
- abonare lunara
- mai mult
- cele mai multe
- muta
- multiplu
- nume
- Navigaţi
- Nevoie
- Nou
- aplicație nouă
- Cele mai noi
- ştiri
- notoriu
- noiembrie
- număr
- obiect
- of
- Bine
- on
- ONE
- deschide
- OpenAI
- optim
- Opțiune
- Altele
- Rezultat
- surclasează
- producție
- pagină
- plătit
- panda
- pasiune
- Parolă
- Parolele
- Plătește
- oameni
- efectua
- efectuarea
- persoană
- Loc
- Plato
- Informații despre date Platon
- PlatoData
- la care se adauga
- potenţial
- puternic
- predecesor
- prezice
- destul de
- împiedica
- în prealabil
- probabil
- Problemă
- probleme
- Programe
- Progres
- furniza
- prevăzut
- public
- public
- Piton
- Întrebări
- Rapid
- repede
- Citeste
- Cititor
- Citind
- motive
- a primi
- destinatari
- reflectat
- eliberat
- rămas
- raportează
- Rapoarte
- necesar
- Necesită
- cercetători
- răspunde
- răspuns
- rezultat
- REZULTATE
- Alerga
- funcţionare
- acelaşi
- Economisiți
- Economie
- spune
- Scară
- programată
- Ştiinţă
- Om de stiinta
- Ecran
- născut în mare
- căutare
- Secțiune
- sigur
- securitate
- trimitere
- sentiment
- set
- să
- Arăta
- semnificativ
- asemănător
- simplu
- pur şi simplu
- întrucât
- singur
- Mărimea
- mai mici
- So
- soluţie
- REZOLVAREA
- Rezolvarea
- unele
- Surse
- specific
- specificată
- petrece
- uzat
- Standuri
- Începe
- şedere
- Pas
- Încă
- Stop
- subiect
- abonament
- Reușit
- sugerează
- potrivit
- uimit
- sintaxă
- adaptate
- Lua
- luare
- Ţintă
- Sarcină
- sarcini
- tehnici de
- spune
- șablon
- acea
- lor
- Lor
- Acolo.
- Acestea
- lucru
- Prin
- timp
- consumă timp
- Titlu
- cu denumirea
- TLS
- la
- instrument
- top
- Total
- dresat
- Tendinţe
- Cotitură
- tutorial
- stare de nervozitate
- care stau la baza
- înţelege
- unicode
- upgrade-ul
- us
- utilizare
- Utilizator
- utilizatorii
- obișnuit
- valoare
- versiune
- vizibil
- Vizita
- vizualizare
- W
- dorit
- website
- Ce
- dacă
- care
- OMS
- Wikipedia
- voi
- cu
- în
- Cuvânt
- cuvinte
- Apartamente
- flux de lucru
- fluxuri de lucru
- de lucru
- ar
- scrie
- scris
- scris
- Ta
- zephyrnet