AIGC輔助數(shù)據(jù)分析與挖掘：基于ChatGPT的方法與實踐

定　價：￥99.00

作　者：	宋天龍
出版社：	機械工業(yè)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥74.20)

ISBN：	9787111744153	出版時間：	2024-02-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　內(nèi)容簡介這是一本能指導(dǎo)數(shù)據(jù)分析師和數(shù)據(jù)挖掘工程師在AIGC時代快速實現(xiàn)能力躍遷的著作，教會他們使用ChatGPT等AIGC工具，大幅提升數(shù)據(jù)分析與挖掘的能力和效率。全書圍繞Excel、SQL和Python這3大常用的數(shù)據(jù)分析和挖掘工具展開，從方法和實踐2個維度系統(tǒng)講解了如何使用ChatGPT和Bing Copilot等AIGC工具來輔助提升效率。全書一共8章，內(nèi)容可以分為四個部分：1.AIGC工具使用和Prompt撰寫首先詳細(xì)介紹了數(shù)據(jù)分析與挖掘能用到的各種AIGC工具的使用方法和注意事項，然后全面講解了如何面向數(shù)據(jù)分析與挖掘場景構(gòu)建高質(zhì)量的Prompt，包括大量的方法和最佳實踐。2.AIGC輔助Excel數(shù)據(jù)分析與挖掘方法角度，詳細(xì)闡述了AIGC工具如何輔助Excel數(shù)據(jù)分析與挖掘，包括數(shù)據(jù)集生成、數(shù)據(jù)管理、數(shù)據(jù)處理、數(shù)據(jù)分析和數(shù)據(jù)展示等；實踐角度，通過RFM分析、時間序列分析和相關(guān)性分析等3個方面的案例講解了AIGC工具與Excel在不同場景中的結(jié)合使用。3.AIGC輔助SQL數(shù)據(jù)分析與挖掘方法角度，詳細(xì)講解了AIGC工具如何輔助SQL數(shù)據(jù)分析與挖掘，包括數(shù)據(jù)準(zhǔn)備、查詢、清洗、轉(zhuǎn)換、分析等；實踐角度，通過廣告渠道評估、歸因報表、留存報表等3個方面的案例講解了AIGC工具與SQL在不同場景中的結(jié)合使用。4.AIGC輔助Python數(shù)據(jù)分析與挖掘方法角度，詳細(xì)講解了AIGC工具如何輔助Python數(shù)據(jù)分析與挖掘，包括環(huán)境構(gòu)建、數(shù)據(jù)探索、數(shù)據(jù)處理、AutoML等；實踐角度，通過廣告預(yù)測、商品分析和KPI監(jiān)控等3個方面的案例講解了AIGC工具與Python在不同場景中的結(jié)合使用。除此之外，本書還全面總結(jié)了用AIGC輔助這3種數(shù)據(jù)分析與挖掘工具時會遇到哪些問題以及有哪些注意事項。

作者簡介

　　宋天龍（TonySong）數(shù)據(jù)領(lǐng)域資深技術(shù)專家，觸脈咨詢合伙人，前Webtrekk（德國最大在線數(shù)據(jù)分析服務(wù)提供商）中國區(qū)前技術(shù)和咨詢負(fù)責(zé)人。在數(shù)據(jù)領(lǐng)域工作15年，積累了大量的數(shù)據(jù)工作經(jīng)驗、案例、場景和方法，并且在數(shù)據(jù)分析領(lǐng)域頗有口碑。擅長數(shù)據(jù)挖掘、建模、分析與運營，精通端到端數(shù)據(jù)價值場景設(shè)計、業(yè)務(wù)需求轉(zhuǎn)換、數(shù)據(jù)結(jié)構(gòu)梳理、數(shù)據(jù)建模與學(xué)習(xí)以及數(shù)據(jù)工程交付。在跨境、電子商務(wù)、零售、銀行、保險等多個行業(yè)擁有豐富的數(shù)據(jù)項目工作經(jīng)驗，參與過集團(tuán)和企業(yè)級數(shù)據(jù)體系規(guī)劃、DMP與數(shù)據(jù)倉庫建設(shè)、標(biāo)簽和畫像系統(tǒng)建設(shè)、大數(shù)據(jù)產(chǎn)品開發(fā)、網(wǎng)站流量系統(tǒng)建設(shè)、個性化智能推薦與精準(zhǔn)營銷、企業(yè)大數(shù)據(jù)智能營銷與應(yīng)用等。服務(wù)客戶包括SHEIN、聯(lián)合利華、Webpower、德國OTTO集團(tuán)電子商務(wù)（中國），Esprit中國、豬八戒網(wǎng)、順豐優(yōu)選、樂視商城、泰康人壽、酒仙網(wǎng)，國美在線、迪信通等。主要研究項目及領(lǐng)域數(shù)據(jù)化運營 × AI、數(shù)據(jù)分析、數(shù)據(jù)挖掘、機器學(xué)習(xí)、個性化推薦、精準(zhǔn)營銷、互聯(lián)網(wǎng)和網(wǎng)站分析。社會資源和身份中國商業(yè)聯(lián)合會數(shù)據(jù)分析專業(yè)委員會《中國大數(shù)據(jù)人才培養(yǎng)體系標(biāo)準(zhǔn)》專家組成員，虎嘯獎評委會委員，DMT數(shù)字營銷人才認(rèn)證委員會認(rèn)證委員。著作成果《Python大數(shù)據(jù)架構(gòu)全棧開發(fā)與應(yīng)用》（2023年）《電商流量數(shù)據(jù)化運營》（2021年）《Python數(shù)據(jù)處理、分析、可視化與數(shù)據(jù)化運營》（2020年）《Python數(shù)據(jù)分析與數(shù)據(jù)化運營（第2版）》（2019年）《Python數(shù)據(jù)分析與數(shù)據(jù)化運營》（2017年）《企業(yè)大數(shù)據(jù)系統(tǒng)構(gòu)建實戰(zhàn)：技術(shù)、架構(gòu)、實施與應(yīng)用》（2017年）《網(wǎng)站數(shù)據(jù)挖掘與分析：系統(tǒng)方法與商業(yè)實踐》（2015年）

圖書目錄

序
前言
第一部分　AIGC基礎(chǔ)知識
第1章　AIGC賦能數(shù)據(jù)分析與挖掘2
1.1　探索主流的AIGC產(chǎn)品2
1.1.1　ChatGPT：AIGC的行業(yè)標(biāo)桿2
1.1.2　New Bing Chat：Bing聊天助手3
1.1.3　GitHub Copilot：智能編程伙伴3
1.1.4　Microsoft 365 Copilot：Microsoft一站式辦公AI4
1.1.5　Azure OpenAI：Azure云平臺服務(wù)4
1.1.6　Claude：Anthropic AI工具5
1.1.7　Google Bard：Google AI對話工具5
1.1.8　文心一言：百度AI工具6
1.1.9　通義千問：阿里AI工具6
1.2　選擇適合數(shù)據(jù)工作的AIGC產(chǎn)品6
1.2.1　產(chǎn)品選擇攻略：應(yīng)用場景與關(guān)鍵要素6
1.2.2　應(yīng)用集成AIGC：一站式AI助手7
1.2.3　SaaS模式AIGC：靈活的AI as a Service 7
1.2.4　私有化部署AIGC：企業(yè)定制版AI 9
1.3　ChatGPT實操指南9
1.3.1　ChatGPT的常用技巧9
1.3.2　ChatGPT的高級功能12
1.4　New Bing Chat實操指南14
1.4.1　New Bing Chat的常用技巧14
1.4.2　New Bing Chat的高級功能15
1.5　AIGC驅(qū)動數(shù)據(jù)分析與挖掘變革18
1.5.1　技能要求：數(shù)據(jù)從業(yè)者的技能演進(jìn)18
1.5.2　應(yīng)用場景：數(shù)據(jù)工作的加速器19
1.5.3　人機協(xié)作：數(shù)據(jù)工作的新范式19
1.6　AIGC在數(shù)據(jù)工作中的注意事項20
1.6.1　基于最新知識的推理限制20
1.6.2　“一致性”觀點的挑戰(zhàn)20
1.6.3　數(shù)據(jù)結(jié)果審查與驗證21
1.6.4　數(shù)據(jù)安全、數(shù)據(jù)隱私與合規(guī)問題21
1.6.5　知識產(chǎn)權(quán)及版權(quán)問題22
1.6.6　社會認(rèn)知偏差影響數(shù)據(jù)推理22
1.6.7　難以解決大型任務(wù)的統(tǒng)籌與復(fù)雜依賴問題22
1.6.8　垂直領(lǐng)域數(shù)據(jù)和知識缺失問題22
1.6.9　上下文數(shù)據(jù)容量限制23
1.6.10　多模態(tài)語境的輸入限制23
1.6.11　編造事實24
1.6.12　合理設(shè)置AIGC使用期望24
第2章　構(gòu)建高質(zhì)量Prompt的科學(xué)方法與最佳實踐25
2.1　Prompt的基本概念25
2.2　Prompt對AIGC的影響和價值25
2.2.1　模型的輸入來源25
2.2.2　控制模型復(fù)雜度26
2.2.3　提高內(nèi)容生成質(zhì)量26
2.2.4　個性化體驗和內(nèi)容定制27
2.3　Prompt輸入的限制規(guī)則27
2.3.1　信息類型的限制27
2.3.2　數(shù)據(jù)格式的約束規(guī)則27
2.3.3　內(nèi)容長度的合理限制28
2.3.4　對話主題的限制原則28
2.3.5　語法和語義的嚴(yán)格限制28
2.4　高質(zhì)量Prompt的基本結(jié)構(gòu)29
2.4.1　角色設(shè)定：明確AI角色與工作的定位29
2.4.2　任務(wù)類型：明確AI任務(wù)的類別與性質(zhì)29
2.4.3　細(xì)節(jié)定義：準(zhǔn)確定義期望AI返回的輸出30
2.4.4　上下文：讓AI了解更多背景信息30
2.4.5　約束條件：限制AI返回的內(nèi)容31
2.4.6　參考示例：優(yōu)質(zhì)示例的參考借鑒31
2.5　提升Prompt質(zhì)量的關(guān)鍵要素32
2.5.1　指令動詞：精確引導(dǎo)模型行動32
2.5.2　數(shù)量詞：明確量化任務(wù)要求33
2.5.3　函數(shù)和公式：運用數(shù)學(xué)邏輯的威力34
2.5.4　標(biāo)記符號：有效提示引用信息34
2.5.5　條件表達(dá)：準(zhǔn)確限定輸出條件35
2.5.6　地理名詞：地理位置信息的界定35
2.5.7　日期和時間詞：數(shù)據(jù)周期的明確表達(dá)36
2.5.8　比較詞：精確比較與對比要求36
2.5.9　參考示例詞：基于樣板輸出內(nèi)容36
2.5.10　語言設(shè)置：設(shè)定合適的輸出語言37
2.5.11　否定提示詞：反向界定與排除歧義37
2.6　構(gòu)建Prompt的最佳實踐38
2.6.1　明確目標(biāo)和場景：精準(zhǔn)設(shè)定任務(wù)目標(biāo)38
2.6.2　任務(wù)分解：拆解大型、復(fù)雜任務(wù)39
2.6.3　交互反饋：基于正負(fù)向反饋的優(yōu)化40
2.6.4　讓AI提問：引導(dǎo)模型主動提問41
2.6.5　控制上下文：合理管理對話信息量41
2.6.6　引導(dǎo)、追問和連續(xù)追問：優(yōu)化對話交互42
2.6.7　語言簡明扼要：語言表達(dá)精煉43
2.6.8　使用英文Prompt：借助英文提升質(zhì)量43
2.6.9　輸入結(jié)構(gòu)化數(shù)據(jù)：讓AI充分理解數(shù)據(jù)44
2.6.10　提供參考信息：確保信息完整性44
2.6.11　增加限制：避免輸出寬泛內(nèi)容45
2.6.12　明確告知AI：不知道時請回答“不知道”45
2.7　精調(diào)Prompt示例：引爆AIGC優(yōu)質(zhì)內(nèi)容46
2.7.1　逐步啟發(fā)和引導(dǎo)式的Prompt精調(diào)46
2.7.2　從廣泛到收縮的Prompt精調(diào)47
2.7.3　利用反轉(zhuǎn)角色的Prompt精調(diào)48
2.7.4　基于少樣本的先驗知識的Prompt精調(diào)49
2.7.5　基于調(diào)整模型溫度參數(shù)的Prompt精調(diào)50
2.7.6　基于關(guān)鍵問題的Prompt精調(diào)51
2.8　Prompt構(gòu)建工具：輕松撰寫提示詞52
2.8.1　Prompt構(gòu)建工具簡介52
2.8.2　New Bing Chat的提示詞構(gòu)建和引導(dǎo)功能52
2.8.3　ChatGPT第三方客戶端工具的Prompt模板53
2.8.4　ChatGPT Prompt Generator：AI驅(qū)動的Prompt構(gòu)建工具56
2.9　常見問題56
2.9.1　為什么Prompt相同AIGC答案卻不一樣56
2.9.2　會寫Prompt就能做數(shù)據(jù)分析與挖掘嗎57
2.9.3　如何避免Prompt的內(nèi)部沖突和矛盾57
2.9.4　如何避免Prompt的內(nèi)