Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

AI数据分析案例,工具,玩法,技巧推荐?

Answer

以下是为您推荐的 AI 数据分析相关内容:

Content generated by AI large model, please carefully verify (powered by aily)

References

ChatGPT 助力数据分析:实际案例与技巧

AI数据分析,我这里实现了两种方式,支持多维数据分析:1.SQL分析:分析平台自身的使用情况,如图表配置化平台,输入一句话可分析用户配置图表相关的数据2.个性化分析:平台上支持上传数据,可提供数据信息(非必填),以此自定义分析用户自己上传的数据分析完成后展示结果数据的图表和分析结论,图表支持折线图和柱状图,可随意切换。

AI 产品案例严选

|标题|简介|作者|分类|前往查看👉|封面|入库时间|<br>|-|-|-|-|-|-|-|<br>|ChatGPT助力数据分析:实际案例与技巧|本文将重点介绍AI与数据分析结合的应用,通过实际案例与相关技巧,描述ChatGPT如何助力数据分析,帮助读者更好地理解并掌握这一领域的创新实践。|krryguo|开发|[ChatGPT助力数据分析:实际案例与技巧](https://waytoagi.feishu.cn/wiki/VYemwG9rIiUHyhkBq9GcXAnUnFf?table=tblJzotqp5g7xZ2b&view=vewJuuzsne)||2023/11/15|<br>|Generative AI的开发工具和基础设施的趋势|这张图描绘了Generative AI的开发工具和基础设施的趋势。它代表了在AI开发领域中,为满足不同需求,工具和基础设施正在逐渐模块化和专业化的趋势。||开发|[Generative AI的开发工具和基础设施的趋势](https://waytoagi.feishu.cn/wiki/CxYhw2XKvi3a5AkzEdBcHV2lnLc?table=tblJzotqp5g7xZ2b&view=vewJuuzsne)||2023/11/15|<br>|Open AI的API和微软Azure并发分析|OpenAI官方并发量是3500 request/minute,90000 token/minute.但是Azure的并发量是300 request/minute,120000 token/minute.相比之下token/minute并发差距不大,但是request/minute差距是10倍.||开发|[Open AI的API和微软Azure并发分析](https://waytoagi.feishu.cn/wiki/RoDEwEmo5i3uc7kIyQIcnp3snvg?table=tblJzotqp5g7xZ2b&view=vewJuuzsne)||2023/11/15|

AI 产品案例严选

|标题|简介|作者|分类|前往查看👉|封面|入库时间|<br>|-|-|-|-|-|-|-|<br>|营销:定制营销报告|汇报对象身份(下属、跨部门平级、领导)、销售数据(销售额、销售量、销售渠道)、财务报告(营业收入、净利润、成本费用)、市场分析(市场份额、竞争情况、市场趋势)、客户反馈(客户满意度、客户投诉、客户留存率)、营销效果评估(广告投放效果、促销活动效果、营销策略效果)||工作|[营销:定制营销报告](https://waytoagi.feishu.cn/wiki/YUDXwnj39itoxEkw446cLh1snCe?table=tblwdvsWICkId67f&view=vewm6DMY99)||2023/10/30|<br>|办公:高效做PPT|用ChatGPT做PPT,我们还需要用到另一个小技巧,就是希望它用Markdown语法来展示内容。后面再借用另一个工具MindShow把Markdown内容转换为精美的PPT。||工作|[办公:高效做PPT](https://waytoagi.feishu.cn/wiki/RWZPwT0ETiqVwIkB8qQcrgRwnog?table=tblwdvsWICkId67f&view=vewm6DMY99)||2023/10/30|

Others are asking
如何利用ai进项数据分析
利用 AI 进行数据分析可以参考以下实际案例与技巧: 1. 流程: SQL 分析:用户描述想分析的内容,后台连接数据库,附带表结构信息让 AI 输出 SQL 语句,校验为 SELECT 类型的 SQL 后执行,将结果数据传给 GPT(附带上下文),让其学习并分析数据,最后输出分析结论和建议,与结果数据一起返回给前端页面渲染图表、展示分析结论。目前已实现两张表关联查询。 个性化分析:用户上传文件,如有需要可简单描述数据、字段意义或作用辅助分析。前端解析用户上传的文件,传给 GPT 分析数据,后续步骤与 SQL 分析一致。 2. 问题与技巧: SQL 分析: 反复校验是否为 SELECT SQL 语句,不仅因为 AI 不完全可控,还因不能相信用户输入,防止恶意操作。 到 AI 分析步骤拼接上下文,包含表结构信息和 SQL 语句,助 GPT 更好理解数据和字段意义,使分析更准确。 针对表结构长类型字段,不允许直接查询,最好告知 GPT 只允许查询的字段或使用的 SQL 函数,控制生成内容。 个性化分析: 用户上传的数据解析后判断数据格式是否符合要求,超长可限制截取前面若干项,防止 token 消耗过多。 在前端解析用户上传的数据,分析完直接用于渲染数据图表,无需后端返回。 支持用户补充输入,简单描述数据、字段意义或作用,辅助 AI 分析。对于易理解语义化的字段名,可不描述,GPT 也能识别。遇到多维度数据,可输入特定指令帮助 AI 准确分析。 原文地址:https://mp.weixin.qq.com/s/Fld25MxyoFEnUbnDmGJNXg 本文作者:krryguo,腾讯 IEG 前端开发工程师。声明:本文涉及与 ChatGPT 交互的数据已严格脱敏。
2025-03-18
Ai搜索
以下是为您介绍的一些 AI 搜索引擎: 1. 秘塔 AI 搜索:由秘塔科技开发,具有多模式搜索、无广告干扰、结构化展示和信息聚合等功能,能提升用户搜索效率和体验。 2. Perplexity:聊天机器人式搜索引擎,允许用自然语言提问,通过生成式 AI 技术从各种来源收集信息并给出答案。 3. 360AI 搜索:360 公司推出,通过 AI 分析问题,生成清晰有理答案,支持增强模式和智能排序。 4. 天工 AI 搜索:昆仑万维推出,采用生成式搜索技术,支持自然语言交互和深度追问,未来将支持多模态搜索。 5. Flowith:创新的 AI 交互式搜索和对话工具,基于节点式交互,支持多种 AI 模型和图像生成技术,有插件系统和社区功能。 6. Devv:面向程序员的 AI 搜索引擎,专注于提供编程、软件开发和人工智能等领域的专业建议和指导。 7. Phind:专为开发者设计,利用大型语言模型提供相关搜索结果和动态答案,擅长处理编程和技术问题。 开搜 AI 搜索是一款免费无广告、直达结果的面向大众的搜索工具。它在以下方面具有优势: 1. 论文资料搜集与整理:帮助在校学生快速搜集学术资料,智能总结关键信息,助力撰写论文和报告,且支持查看来源出处,参考价值高。 2. 教学内容准备:让教育教师群体获取丰富教学资源,自动生成教案和课题研究报告,提高教学准备效率。 3. 职场信息检索:使职场办公人群高效查找工作所需信息,简化文案撰写、PPT 制作和工作汇报准备工作。 4. 行业研究分析:为学术研究人员提供深入行业分析,通过 AI 技术整合和总结大量数据,形成有深度的研究报告。 从 AI 搜索引出 RAG:在学习 RAG 之初,可以从 AI 搜索切入。AI 大模型擅长语义理解和文本总结,但不擅长获取实时信息;搜索引擎擅长获取实时信息,但信息分散,需人为总结。AI 与搜索引擎结合,给 AI 配备活字典,让其随时查阅。
2025-03-18
AI文生图教程
以下是关于 AI 文生图的教程: Liblibai 简易上手教程: 1. 定主题:明确您想要生成的图片的主题、风格和表达的信息。 2. 选择 Checkpoint:根据主题选择贴近内容的 Checkpoint,如麦橘、墨幽的系列模型。 3. 选择 lora:寻找与生成内容重叠的 lora,以控制图片效果和质量。 4. 设置 VAE:选择 840000 那一串。 5. CLIP 跳过层:设为 2。 6. Prompt 提示词:用英文写想要生成的内容,使用单词和短语组合,用英文半角逗号隔开,无需管语法和长句。 7. 负向提示词 Negative Prompt:用英文写想要避免产生的内容,同样是单词和短语组合,用英文半角逗号隔开,无需语法。 8. 采样方法:一般选 DPM++2M Karras,也可参考模型作者推荐的采样器。 9. 迭代步数:选 DPM++2M Karras 时,在 30 40 之间,多了意义不大且慢,少了出图效果差。 10. 尺寸:根据个人喜好和需求选择。 11. 生成批次:默认 1 批。 Tusiart 简易上手教程: 1. 定主题:明确生成图片的主题、风格和信息。 2. 选择基础模型 Checkpoint:根据主题选择贴近的 Checkpoint,如麦橘、墨幽的系列模型。 3. 选择 lora:寻找重叠内容的 lora 控制图片效果和质量。 4. ControlNet:用于控制图片中特定图像,如人物姿态、特定文字、艺术化二维码等,属于高阶技能。 5. 局部重绘:后续学习。 6. 设置 VAE:选择 840000 。 7. Prompt 提示词:用英文写生成需求,单词和短语组合,用英文半角逗号隔开,无需语法和长句。 8. 负向提示词 Negative Prompt:用英文写避免产生的内容,单词和短语组合,用英文半角逗号隔开,无需语法。 9. 采样算法:一般选 DPM++2M Karras,参考模型作者推荐的采样器更有保障。 10. 采样次数:选 DPM++2M Karras 时,在 30 40 之间,多了意义不大且慢,少了出图效果差。 11. 尺寸:根据个人喜好和需求选择。 此外,还为您提供了一些相关的参考视频和教程链接,供您进一步深入学习。
2025-03-18
怎么学习AI知识
以下是新手学习 AI 知识的方法: 1. 了解 AI 基本概念: 阅读「」部分,熟悉 AI 的术语和基础概念,包括其主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅: 在「」中,找到为初学者设计的课程,特别推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 3. 选择感兴趣的模块深入学习: AI 领域广泛,比如图像、音乐、视频等,可根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧,它上手容易且很有用。 4. 实践和尝试: 理论学习之后,实践是巩固知识的关键,尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享,欢迎实践后的分享。 5. 体验 AI 产品: 与现有的 AI 产品进行互动,如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解它们的工作原理和交互方式。 通过与这些 AI 产品的对话,获得对 AI 在实际应用中表现的第一手体验,并激发对 AI 潜力的认识。 对于中学生学习 AI,建议如下: 1. 从编程语言入手学习: 可以从 Python、JavaScript 等编程语言开始学习,学习编程语法、数据结构、算法等基础知识,为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台: 可以使用 ChatGPT、Midjourney 等 AI 生成工具,体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台,如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识: 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目: 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题,培养动手能力。 5. 关注 AI 发展的前沿动态: 关注 AI 领域的权威媒体和学者,了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响,培养对 AI 的思考和判断能力。 总之,无论是新手还是中学生,学习 AI 可以从编程基础、工具体验、知识学习、实践项目等多个方面入手,全面系统地学习 AI 知识和技能,为未来的 AI 发展做好准备。
2025-03-18
现在是2025年3月18日,我现在要整理一份AI行业的最新动态,在每天早上十点发布,请你整理今天的最新动态,10条左右
以下是 2025 年 3 月 18 日 AI 行业的最新动态: 1. 3 月 AI 发展持续升温。 2. 3 月潞晨科技发布 OpenSora。 3. 3 月 Suno 发布 V3 版本爆火。 4. OpenAI CPO Kevin Weil 访谈亮点:GPT5 近在眼前,将融合多个模型能力,快速推进,AI 代码自动化将在今年内达到 99%,强化推理能力和大规模预训练是关键方向,AI 不仅会写代码,还将让人人都能成为软件创造者。 5. 2025 年职场思考与建议:高管们面临“经验贬值”与“转型焦虑”,非 AI 公司的估值与融资变难,软件开发方式正被重构,“等风来”的代价越来越高,加入 AI 公司也并非万能,市场冷却下招聘更挑剔。 6. 你的孩子可能已经在用 AI“作弊”。 7. 过去一年,头部 AI 应用的品类变化不显著,创意工具仍占据最大比重。 8. 2024 年 9 月,OpenAI 发布新一代语言模型 o1,采用全新训练与推理方案,结合强化学习技术,显著增强推理能力,可能通过生成内部“思维链”模拟人类系统 2 思维方式。 9. 5 月伊莉雅离开 OpenAI,AI 竞争白热化。 10. 5 月伊利亚成立新公司,估值超五亿美金。
2025-03-18
AI发展时间线
AI 的发展有着较长的时间线,以下是其主要历程: 1943 年,心理学家麦卡洛克和数学家皮特斯提出机器的神经元模型,为后续的神经网络奠定基础。 1950 年,图灵最早提出图灵测试,作为判别机器是否具备智能的标准。 1956 年,在美国达特茅斯学院召开的会议上,人工智能一词被正式提出,并作为一门学科确立下来。 2022 年 11 月 30 日,OpenAI 发布基于 GPT 3.5 的 ChatGPT,引发全球 AI 浪潮。 2024 年 AI 关键进展时间线: 2 月,OpenAI 发布视频生成模型 Sora,首次实现高质量文本生成视频,开创 AI 视频生成新纪元。 3 月,Suno 发布 V3 版本,AI 音乐生成方向进入生产力可用状态。 4 月,Meta 发布高性能开源大模型 Llama3,降低了 AI 技术的准入门槛。 5 月,GPT4 发布。 5 月,RayBan 与 Meta 合作的智能眼镜销量突破百万。 5 月,字节上线即梦 AI。 6 月,快手发布可灵。 6 月,Apple Intelligence 发布。 9 月,OpenAI 发布 o1 预览版。 10 月,Rosetta 和 AlphaFold 算法的研发者因在蛋白质结构设计和预测中的突破性贡献获得诺贝尔化学奖;约翰·霍普菲尔德和杰弗里·辛顿因人工神经网络和深度学习的开创性贡献获诺贝尔物理学奖;Anthropic 大模型 Claude 3.5 Sonnet 获得“computer use”功能。 12 月,OpenAI 发布 o3 系列模型。 AI 技术发展历程还包括: 早期阶段(1950s 1960s):专家系统、博弈论、机器学习初步理论。 知识驱动时期(1970s 1980s):专家系统、知识表示、自动推理。 统计学习时期(1990s 2000s):机器学习算法(决策树、支持向量机、贝叶斯方法等)。 深度学习时期(2010s 至今):深度神经网络、卷积神经网络、循环神经网络等。 当前 AI 前沿技术点有: 大模型(Large Language Models):GPT、PaLM 等。 多模态 AI:视觉 语言模型(CLIP、Stable Diffusion)、多模态融合。 自监督学习:自监督预训练、对比学习、掩码语言模型等。 小样本学习:元学习、一次学习、提示学习等。 可解释 AI:模型可解释性、因果推理、符号推理等。 机器人学:强化学习、运动规划、人机交互等。 量子 AI:量子机器学习、量子神经网络等。 AI 芯片和硬件加速。
2025-03-18
请起草一份小白学习AI辅助修图的入门到精通的教程,提供学习大纲,包括从基本玩法到高级卡bug玩法,常见红海赛道,常见问题,注意事项,常见误区,避坑指南等等
以下是为您提供的小白学习 AI 辅助修图从入门到精通的教程大纲: 一、基础知识与基本玩法 1. 了解 AI 辅助修图的概念和基本原理。 2. 熟悉常见的 AI 修图工具和软件。 二、常见问题与注意事项 1. 风格局限性:如全是二次元风格,缺少适合特定需求的风格。 2. 图像叙事性不足:画出来的多为美少女看镜头,缺乏叙事内容。 3. 素材局限性:已有素材单一,图生图可行性低,训练泛化性差。 三、常见误区与避坑指南 1. 避免盲目依赖初始的 Embedding、CKPT 等方法,不断尝试和改进。 2. 注意训练集中人物朝向固定等问题,采取相应处理措施,如镜像处理。 四、从入门到精通的进阶玩法 1. 掌握不同的训练方法,如 Lora 等,以获得更理想的效果。 2. 学会引导 AI 画出具有前景后景区分明显的图像,如制作引导图。 五、高级卡 bug 玩法 探索一些非常规但有效的技巧和方法,以突破常规限制,实现更出色的修图效果。但需注意,此部分玩法可能存在一定风险和不确定性。 六、常见红海赛道 分析当前 AI 辅助修图在不同领域的竞争激烈程度和应用热点。 在学习过程中,还需了解以下 AI 相关的技术原理和概念: 1. 生成式 AI 生成的内容称为 AIGC。 2. 相关技术名词: AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习,监督学习有标签,无监督学习无标签,强化学习从反馈中学习。 深度学习参照人脑神经网络,神经网络可用于多种学习方式。 生成式 AI 可生成多种内容形式。 LLM 为大语言模型,不同模型有不同擅长的任务。 3. 技术里程碑:2017 年 6 月谷歌团队发表的《Attention is All You Need》提出了 Transformer 模型。
2025-03-05
请起草一份小白学习AI应用(包括app和网站)的入门到精通的教程,提供学习大纲,包括从基本玩法到高级卡bug玩法,常见红海赛道,常见问题,注意事项,常见误区,避坑指南等等
以下是一份小白学习 AI 应用(包括 app 和网站)的入门到精通的教程,涵盖学习大纲、常见问题等方面: 一、学习大纲 1. 了解 AI 基本概念 阅读相关资料,熟悉 AI 的术语和基础概念,包括人工智能的定义、主要分支(机器学习、深度学习、自然语言处理等)及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前应用和未来发展趋势。 2. 开始 AI 学习之旅 参考「」中的初学者课程,了解生成式 AI 等基础知识,推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)按照自己的节奏学习,并争取获得证书。 3. 选择感兴趣的模块深入学习 AI 领域广泛,包括图像、音乐、视频等,根据自身兴趣选择特定模块深入学习。 掌握提示词技巧,因其上手容易且实用。 4. 实践和尝试 理论学习后进行实践,巩固知识,尝试使用各种产品创作作品。 分享实践后的经验和成果。 5. 体验 AI 产品 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动,了解其工作原理和交互方式,获得实际应用体验。 二、常见红海赛道 目前,AI 在自然语言处理、图像识别、智能推荐等领域竞争较为激烈。 三、常见问题 1. 对复杂应用的需求理解不准确,导致产品出错。 2. 技术组件的配置和整合可能遇到困难。 四、注意事项 1. 注重基础知识的学习,打牢根基。 2. 实践过程中要耐心,遇到问题多尝试解决。 五、常见误区 1. 认为 AI 学习短期内就能精通,忽略了长期积累和实践的重要性。 2. 过度依赖现成的模型和工具,缺乏对原理的深入理解。 六、避坑指南 1. 在选择学习资源时,要注意其权威性和适用性。 2. 开发 AI 应用时,要充分考虑用户需求和实际场景,避免盲目跟风。 希望以上内容对您有所帮助,祝您在 AI 学习的道路上取得成功!
2025-03-05
请起草一份小白学习AI视频制作的入门到精通的教程,提供学习大纲,包括从基本玩法到高级卡bug玩法,常见红海赛道,常见问题,注意事项,常见误区,避坑指南等等
以下是一份小白学习 AI 视频制作从入门到精通的教程大纲: 一、基础玩法 1. 项目规划 确定短片主题和目标观众。 制定详细的制作计划。 2. 剧本创作 编写故事脚本。 设计角色和场景以及创意。 3. 分镜头脚本 根据脚本制作分镜头脚本,确定每个镜头的画面和动作。 4. 资源准备 准备动画制作所需的素材,包括背景、角色和音效。 5. 画面图片制作 利用 AI 出图工具,比如通过 ChatGPT、MJ、SD 等工具快速生成高质量的图片。 6. 视频制作 利用 AI 工具制作动画,通过 RUNWAY、Luma、Dreamina 等平台快速生成高质量的动画。 7. 后期剪辑 添加音效、配音和字幕,进行最终的剪辑和合成。 8. 发布和推广 将完成的动画短片发布到各大平台,并进行推广和宣传。 二、高级玩法 1. 写提示词 掌握有效的提示词撰写技巧,以获得更符合需求的生成结果。 2. 导入图片用 Mini Max、模型的首尾帧玩法等操作实现一镜到底效果。 3. 利用不同模型进行创作,如海螺无限生成。 4. 反复修改提示词以优化生成效果。 三、常见红海赛道 1. 创意广告类视频。 2. 短视频故事类。 四、常见问题 1. 生成效果不符合预期。 2. 工具操作不熟练。 3. 资源获取困难。 五、注意事项 1. 注重版权问题,合法使用素材和工具。 2. 不断学习和更新知识,跟上 AI 技术发展。 六、常见误区 1. 过度依赖 AI,忽略自身创意和审美。 2. 忽视视频的逻辑性和连贯性。 七、避坑指南 1. 提前了解不同工具的收费模式,避免不必要的费用支出。 2. 多参考优秀案例,避免重复常见错误。 希望这份大纲能帮助您在 AI 视频制作的学习道路上不断进步!
2025-03-04
DeepSeek玩法
以下是关于阿里云上的 DeepSeek 玩法的相关信息: 课程安排: 2025 年 2 月 25 日 20:00 :阿里云百炼篇:用 DeepSeek 搭建智能体,包括阿里云百炼满血版 DeepSeek 介绍,基于阿里云百炼的 DeepSeek 智能体搭建。课程文档: 2025 年 2 月 26 日 20:00 :人工智能平台 PAI 篇:本地部署满血版 DeepSeek,包括 DeepSeek R1 技术原理,解锁 DeepSeek 的不同玩法(问答助手、蒸馏、微调),实战演练:DeepSeek R1 满血版快速部署&蒸馏训练。课程文档: 讲师:许键,AI 产品经理,创业公司联合创始人,WayToAGI 社区 Agent 版主,各大 Agent 平台奖项“杀手” 课程内容亮点: 第一节:用 DeepSeek 搭建智能体 第二节:全网最简单的 DeepSeek 的部署和蒸馏手把手教程 相关链接: 飞书会议链接:https://vc.feishu.cn/j/254331715 共学文档链接: 阿里云百炼地址:https://bailian.console.aliyun.com/ 开通满血版 R1 模型: 在模型广场找到 DeepSeekR1 并授权。页面上有免费的 100w 额度和已使用量,每人免费送 100w 额度,过期则浪费。此模型是阿里云自主部署,经推理优化,性能强于多数满血版本地部署。用完还有免费的蒸馏版 R1 模型,也是 100w token。这些模型可在“首页”或“直接体验”直接使用,也可通过 API 调用,如 chatbox 直接使用,还可进行模型效果对比。
2025-02-25
PIKA和pixverse的特效玩法,原理是什么
PIKA 推出了特效工具 PIKAFFECT,它能够提供崩塌、溶解、瘪掉、魔术等特效处理,有助于创意视频的制作。关于 Pixverse 的特效玩法原理,目前所提供的内容中未给出明确的相关信息。
2024-11-20
coze主要的作用和玩法
Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台,专为开发下一代 AI 聊天机器人而设计。它旨在简化 AI 机器人的开发过程,使得无论是开发者还是非技术用户,都能够快速搭建基于 AI 模型的各类问答 Bot,处理从简单问答到复杂逻辑对话的任务。 Coze 平台的主要特点包括: 1. 多语言模型支持:Coze 使用了大型语言模型,如 GPT48K 和 GPT4128K,并提供了云雀语言模型等,以支持不同场景下的对话和交互。 2. 插件系统:平台集成了超过 60 款插件,涵盖资讯阅读、旅游出行、效率办公、图片理解等功能,同时支持用户创建自定义插件,以扩展 Bot 的能力。 3. 知识库功能:Coze 允许用户上传和管理数据,支持 Bot 与用户数据交互,可以上传 TXT、PDF、DOCX、Excel、CSV 格式的文档,或基于 URL 获取在线内容和 API JSON 数据。 4. 数据库和记忆能力:Coze 提供了数据库功能,允许 Bot 访问会话内存和上下文,持久记住用户对话中的重要参数或内容。 5. 工作流设计:用户可以通过拖拉拽的方式快速搭建工作流,处理逻辑复杂的任务流,Coze 提供了大量灵活可组合的节点,如大型语言模型(LLM)、自定义代码、判断逻辑等。 总的来说,Coze 是一个强大而灵活的 AI 聊天机器人和应用程序编辑开发平台,它提供了丰富的功能和工具,帮助用户快速构建和部署智能聊天机器人应用程序。
2024-06-14
数据分析 转成可视化图
以下是关于将数据分析转成可视化图的相关内容: 实践 1:用 Kaggle 的天气数据集绘制气温趋势折线图与月降雨天数柱状组合图 项目要求:绘制气温趋势折线图+月降雨天数柱状组合图,即双 y 轴图形。 打开数据集,分析数据: 发现第一行有着 Formatted Date,Precip Type,Temperature 表头,这三列与数据可视化目的明显关联,Formatted Date 数据提取整理后可作横坐标,Precip Type 数据反映月降雨天数,Temperature 数据反映气温趋势。 新建 python 文件,开始编程: 选择 python 文件,命名保存。 调用库: 读取数据:文件格式为 csv,可用 pandas 库。 数据处理:处理出 x 轴及有关气温、降雨的数据。 创建图表、添加标题与图例、保存并显示图形。 试运行与 Debug: 可能出现左纵坐标数据明显有误的情况,如降雨天数数值过大。原因是一天记录了多个时刻的天气状况,而写代码时未考虑,直接把出现“rain”的都记录了进去。 给 MarsCode 说明问题,重新生成代码,结果符合预期,可视化目的实现。 ChatGPT 助力数据分析:实际案例与技巧 问题与技巧: 公用逻辑: 在 user prompt 限定 SQL 和数据分析及其返回格式,不用 system prompt 的原因:一是 system prompt 已承载表结构信息;二是 user prompt 遵循力度更高。 分开定义单维度数据和多维度数据的 prompt,而不直接丢给让 GPT 判断的原因:存在两种结果导向的 prompt 约有 50%几率 GPT 会犯傻,最好在发送请求前用条件运算符区分格式的 prompt,代码判断后决定使用。 前端渲染图表:SQL 分析的接口或个性化分析解析的数据文件所获得的 tableData,其格式与渲染表格的格式一样为对象数组。让 GPT 判断出对象的 key 值映射:keyMap,得知维度、数据项、数据值的 key,就可拿到并处理成图表所需的 series、xAxis。 流程: 第一个 user prompt:限定 SELECT SQL,要求不要用 SELECT查询全部列,仅回复一条 SELECT SQL 语句,至少查询两列:数据项、数据值,且不能直接查询长类型字段。 system prompt 是表结构信息,如有难以理解的字段可告知 GPT 字段意义,多个表可分开描述。 校验 GPT 生成的 SQL,不通过直接返回提示,通过再执行 SQL 查询数据。 数据分析的 user prompt:提示数据分析,限定返回的 JSON 格式:conclusion、keyMap、title。采取分开定义单维度数据和多维度数据的 prompt,根据结果数据 tableData 的维度,用条件运算符选择对应的 prompt,再传递给 GPT。 结果数据 tableData 跟随接口一起返回到前端,已通过 SQL 查询的数据,不能让 GPT 又生成一次。
2025-03-16
帮我生成一个本科的论文题目,专业是学前教育,要有数据分析
以下为您生成几个关于学前教育专业且包含数据分析的本科论文题目,供您参考: 1. 《基于数据分析的学前教育课程设置对幼儿发展的影响研究》 2. 《学前教育中幼儿游戏行为的数据分析与教育策略研究》 3. 《通过数据分析探究家庭环境对学前儿童心理健康的影响》 4. 《基于大数据分析的学前教育师资培训效果评估》 5. 《利用数据分析研究学前教育机构设施配备与幼儿学习效果的关系》
2025-03-16
AI可以做数据库的数据分析
AI 可以用于数据库的数据分析,以下是相关内容: ChatGPT 助力数据分析的流程: 逻辑流程图如下: 1. SQL 分析:用户描述想分析的内容,后台连接 DB,附带表结构信息让 AI 输出 SQL 语句,校验是 SELECT 类型的 SQL,其他操作如 UPDATE/DELETE 绝不能通过!校验通过后执行 SQL 返回结果数据。再将数据传给 GPT(附带上下文),让 AI 学习并分析数据,最后输出分析结论和建议,和结果数据一起返回给前端页面渲染图表、展示分析结论。目前已实现两张表关联查询。 2. 个性化分析:用户上传文件,如有需要可以简单描述这是什么数据、字段意义或作用辅助分析。前端解析用户上传的文件,再传给 GPT 分析数据,后续步骤与上面一致。 相关问题与技巧: 1. SQL 分析: 反复校验是否为 SELECT SQL 语句,不仅因为 AI 不完全可控,还因为不能相信用户输入,防止恶意操作。非查询类 SQL 坚决不通过,提示不支持此类请求。 到 AI 分析步骤拼接上下文,是为了让 GPT 更好理解数据和字段的意义,使分析更准确。 针对表结构长类型字段,不允许直接查询,防止 token 消耗过多。最好告诉 GPT 只允许查询哪几个字段,或者用哪几个 SQL 函数,尽量让 GPT 生成可控。 2. 个性化分析: 用户上传的数据解析后需判断数据格式是否符合要求,超长可限制截取前面若干项,防止 token 消耗过多。 在前端解析用户上传的数据,分析完可直接用于渲染数据图表,无需后端再返回。 支持用户补充输入,可简单描述数据、字段意义或作用,用于辅助 AI 分析。对于易理解语义化的字段名,可不描述,GPT 也能识别。遇到多维度数据,为保证准确性,可输入“以 xxx为维度分析”或“这是 xxx 数据”。 AI 术语库中的相关术语: |术语 ID|原文|译文|领域|易混淆|缩写|不需要提醒| |||||||| |ROW1|DataDriven Spectral Analysis|数据驱动的光谱分析|AI||| |ROW1|DataMining|数据挖掘|AI|1|| |ROW1|Database|数据库|AI||| |ROW1|DE Algorithm|差分进化算法|AI|1|| |ROW1|Deeplift|DeepLift 模型|AI||| |ROW1|Dendrogram|树状图|AI||| |ROW1|Density Functional Theory|密度泛函理论|AI||| |ROW1|DensityBased Spatial Clustering Of Applications With Noise|DBSCAN 密度聚类|AI||| |ROW1|Descriptor|描述符|AI||| |ROW1|DFT Calculations|DFT 计算|AI||| |ROW1|Dice Similarity|戴斯相似度|AI||| |ROW1|Differential Evolution|差分进化|AI|||
2025-03-14
怎么基于飞书表格数据分析
基于飞书表格进行数据分析可以参考以下步骤: 1. 应用的背景说明 解决的问题:使用 Coze、飞书多维表格、自定义 AI 字段捷径来实现数据的高效抓取与批量 AI 化处理。 技术场景:包括 Coze 定义智能体并发布到飞书多维表格字段捷径,多维表格中使用和配置自定义的 AI 字段捷径,Coze 应用采用交互式界面将数据导入到飞书多维表格并驱动其自动运行,以及多维表格仪表盘对数据的可视化。 期望达到的目的:更多是希望大家能了解“如何最高效率使用 AI”,并将方案泛化到自己的实际工作中,同时选择了最适合的技术路线(不懂代码即可完成)。 2. 动手实践 设计多维表格:进到飞书,新建一个多维表格,配置字段,新建一列,选择编辑列,完成相关设置。配置完后,打开自动更新,若 note_url 有赋值,模型分析会自动触发。 配置其它列:例如在第一列中设置提取标题,同理可新建列提取正文、点赞、转发、评论列表等数据,进行更多自动化处理,包括笔记内容分析、仿写、改写,封面分析、标题拆解、图文复刻、视频提取分析(逐帧解析)分析视频、音频和字幕等数据分析,基于评论列表的舆情分析、情绪分析、线索挖掘、需求挖掘等。 更多资源:关于多维表格相关教程,推荐复习。 3. 创建知识库并上传表格数据 上传方式:本地文档 操作步骤: 在表格格式页签下,选择本地文档,然后单击下一步。 将要上传的文档拖拽到上传区,或单击上传区域选择要上传的文档,然后单击下一步。目前支持上传.csv 和.xlsx 格式的文件内容,且表格内需要有列名和对应的数据。每个文件不得大于 20M。一次最多可上传 10 个文件。 配置数据表信息后,单击下一步。包括指定数据范围(通过选择数据表、表头、数据起始行指定数据范围)、确认表结构(系统已默认获取了表头的列名,可自定义修改列名,或删除某一列名)、指定语义匹配字段(选择哪个字段作为搜索匹配的语义字段。在响应用户查询时,会将用户查询内容与该字段内容的内容进行比较,根据相似度进行匹配)。 查看表结构和数据,确认无误后单击下一步。 完成上传后,单击确定。
2025-03-12
AI赋能办公,包含AI+对话、AI+写作与PPT、图片与视频生成和数据分析,还有面向HR、行政、财务、营销等岗位的AI赋能课
以下是关于 AI 赋能办公的相关内容: GPT 使用场景: 1. 内容生成:可以生成文章、故事、诗歌、歌词等内容。 演示:https://chat.openai.com/ 、https://bard.google.com/extensions 、https://claude.ai/ 2. 聊天机器人:作为聊天机器人后端,提供自然对话体验。 演示: 3. 问答系统:为用户提供准确答案。 4. 文本摘要:生成文本的摘要或概述。 5. 机器翻译:虽非专门设计,但有不错表现。 6. 群聊总结: 7. 代码生成:GPT3 及后续版本可生成代码片段,帮助解决编程问题。 8. 教育:用于教育领域,帮助学生解答问题或提供学习材料。 9. 浏览器插件:webpilot 10. PDF 对话:演示 www.chatpdf.com PPT 相关: 1. 2. AiPPT.cn:爱设计&AiPPT.cn 是一家 AIGC 数字科技企业,致力于打造“下一代个人与组织的 Ai 工作站”。旗下产品包括 AiPPT 等超过 10 余款应用 AI 能力的内容创作工具。23 年在 Ai+办公领域推出 AiPPT.cn/AiPPT.com,帮助用户“一分钟一键生成 PPT”,是国内 AiPPT 赛道创业公司第 1 的产品,全球第 4,国内所有 AIGC 产品 PC 端 Top10。目标市场主要是市场、运营、销售、人力、财务、行政、技术、产品、总助、公务员、学生、老师等基层及中高层管理岗位人员。 3. 在众多的 PPT 工具中,AI 带来便捷高效体验。深入了解了五大 AI PPT 工具:MindShow、爱设计、闪击、Process ON、WPS AI,它们各自有鲜明特色和擅长场景。选择合适工具要根据实际需求调整,试用和体验比盲目跟风更明智。 其他: 1. 音视频提取总结:https://bibigpt.co/r/AJ 2. 播客总结:https://podwise.xyz/dashboard/trending 3. 生成脑图:https://xmind.ai/editor/
2025-03-12
AI和教育结合的案例以及资料
以下是一些 AI 和教育结合的案例及相关资料: 张翼然是湖南农业大学教育技术系副教授,国家教学成果奖获得者,也是“人工智能+教育”实践专家。其相关研究包括 AI 从工具到助手赋能教师提升效率与能力、AI 与教育场景融合拓展教学边界与创新场景、AI 与人类智能的共生放大学生思考力塑造深度学习能力、AIGC 教育革命:技术原理与课堂实践、大语言模型的教学潜力:交流技巧与心得、一线教师的 AI 需求与高效工具推荐、AI 赋能课堂的核心逻辑:从理论到应用、解码 AI 教学案例:创新与实践等。 例如,在个性化支持与学习自主性方面,AI 通过数据分析与即时反馈,提供定制化学习路径和资源,帮助学生根据自身兴趣、需求和能力规划学习,同时赋予学生更多学习自主权,支持自定步调学习,实现精准教学,关注每个学生的个体需求,帮助学生在学习过程中培养自主决策能力。 在科技伦理与批判性思维方面,通过 AI 生成的开放性问题与多维数据,帮助学生审视技术的潜在风险,培养批判性思维与负责任的科技使用态度,引导学生辨析技术优劣,理解科技的伦理边界,通过讨论和反思提升学生的审辨能力。如课堂讨论 AI 生成内容的真实性与偏见,并设计项目探索数据隐私的保护方案。 同时也指出了大模型在多数任务中可快速达到及格水平,但在绝大多数领域难以达到优秀水平,以及现阶段 AI 在教育领域应用存在知识适配的层次性问题等局限性。 深圳福田区梅山中学梁玉老师使用百度文库的 AI 有声画本导入故事生成,用即梦 AI 生成数字人。 教研员贺亚使用通义千问根据评分标准改英语作文。 黎加厚提出让每一位教师都掌握教育智能体金钥匙。
2025-03-17
我要策划一个朋友圈发的海报,需要有些prompt指导,看看有没有类似的案例或者相似的案例
以下为您提供一些朋友圈海报的 prompt 指导及相关案例: 即梦图片 2.1 模型: 模型上线,已支持在图片中生成中文字体。 操作步骤: 第一步:打开即梦官网 https://jimeng.jianying.com/ 第二步:点击进入图片生成页面 第三步:生图模型选择图片 2.1 模型 案例: 提示词:咖啡店穿着服务员服装的猫咪,揉着眼睛,文字“小店打烊了” 提示词:一只布偶猫举着牌子,牌子上写着“睡什么睡,起来嗨” 提示词:电影宣传海报,画面中间是韦小宝,四周是七个宫女,标题文字“重生之我是韦小宝” 提示词:电商节日海报,背景是上海外滩,圣诞节布置,旋转木马,节日的气氛,标题文字“圣诞集市” 即梦:女神节海报教程: 原文链接:https://mp.weixin.qq.com/s/CYmlZDPjrchnKr8V4lvmRQ 操作步骤: 第一步:打开即梦 AI,选择“图片生成”功能 https://jimeng.jianying.com 第二步:模型选择图片 2.1,输入提示词(可以直接参考案例提示词) 第三步:点击生成,几秒钟后,专属字体海报完成 案例: 案例一:提示词:女神节主题,3D 设计,梦幻氛围,明亮春天场景,花田,数字 38,天空“女神节”,五彩缤纷的蝴蝶,晴朗的蓝天,茂密的绿色草地,盛开的花朵,柔和光线 案例二:提示词:粉色主题,梦幻氛围,数字 38,心形气球,花卉装饰,玫瑰花,漂浮的花瓣,柔和的云朵,美丽的湖面倒影,奇幻风格,柔和的色调,庆祝场景 案例三:提示词:妇女节,3D 设计,粉色主题,大号装饰数字 38,爱心,郁金香花朵,柔和光照,背景城市天际线,精致花卉装饰,优雅节日氛围,金色文字,春天氛围,细致鲜艳 希望这些内容对您策划朋友圈海报有所帮助!
2025-03-13
教育行业有那些基于aigc的业务实际落地的产品和案例?
以下是教育行业基于 AIGC 的一些业务实际落地的产品和案例: 教师的 AI 减负指南生成式人工智能在教学中的应用,包括教师使用 AI 的小技巧。涉及人员有张亚丽、富露露、张亚玲、张楚璇、吴箭枢等,学校有深圳大学附属中学、苏州工业园区娄葑学校、上海市静安区风华初级中学南校、江苏省苏州工业园区教师发展中心中学、苏州工业园区唯亭学校初中、中央民族大学附属中学等。 AIGC 人机协同国家课程项目化学科实践设计与实施,例如以科学《计量时间博物展》为例,以及基于思维可视化的项目式主题学习设计与实践,如以智驾未来课程为例。相关人员有祝琛、崔琴、张然、刘敏、王国庆、吴沁珂等,学校有深圳市南方科技大学教育集团实验二小、成都经济技术开发区实验小学校。 Al 创作家:用 AI 辅助设计桌游,解决学校实际问题,如北京市新英才学校的魏一然所做的工作。 生成式人工智能与教学变革:AI 领雁行动的探索与实践,相关人员有邹贤莲、向雪萍、陈治佑、余初冉、阊洪娇,学校有重庆两江新区行远小学校。 北京市新英才学校的跨学科项目老师带着学生用 AIGC 做学校地图桌游,英语老师在 AIGC 的帮助下备课和授课,生物和信息科技老师合作一起带着学生用训练 AI 模型,用以识别植物。 AIGC 常见名词解释,如 AIGC 意为人工智能生成内容,能进行 AIGC 的产品项目和媒介众多,包括语言文字类的 OpenAI 的 GPT、Google 的 Bard、百度的文心一言等,语音声音类的 Google 的 WaveNet、微软的 Deep Nerual Network、百度的 DeepSpeech 等,图片美术类的 Midjourney、Stable Diffusion 等。
2025-03-13
有没有接入微信消息的coze工作流案例
以下是一些接入微信消息的 Coze 工作流案例: 1. 【拔刀刘】自动总结公众号内容,定时推送到微信(附完整实操教程) 搭建工作流: 设置 Bot: 人设和回复逻辑:由于 Bot 主要依托于工作流,设置提示词,直接调用工作流,将 sum_weixin_2_2 替换为工作流的名称。 工作流:添加刚刚创建的工作流。 设置触发器:选择「定时触发」,选择触发的时间,比如每天 18 点,任务执行时输入工作流中开始节点的输入参数,如 key 为 Server 酱的 sendkey,rss_list 可以使用提供的测试数据。触发器在设定时间点根据输入项内容执行工作流,从而在微信收到推送的总结内容。可以同时设置多个触发器,最多 10 个,可推送给不同的人或分不同时间段给自己推送不同内容。 发布到飞书:点击右上角「发布」,注意渠道选择飞书,因为目前 Coze 平台触发器只对飞书渠道生效。 2. AI 实战:搭建信息情报官 Agent 先在 http://open.feishu.cn 上建飞书机器人,并添加知识库或多维表格编辑权限,获得机器人的 app_id 和 app_secret 以获取租用 token:tenant_access_token 来获取多维表格数据和编辑能力。 工作流一:通过微信文章链接进行文章解读成摘要报告,通过 LLM 能力,开源提示词如下。由于 Coze 使用 LLM 和批量执行任务延时的约束,建议不要同时处理太多文章(如 6 篇左右)。执行后将多维表格的文章状态转换成“已通知”并生成简报。 消息情报官 Bot:通过 Coze 建定时任务,执行工作流二,并添加其他如分析文章和搜索文章的能力,变成一个消息情报官的 Agent,发布到 Coze 商店、豆包、飞书、微信、微信公众号、微信小程序等。可以构建多个分身,收集整理不同领域和行业的情报信息。 3. Bot 智能体|用 Coze 实现【多模态资讯的跨平台推送】 技术实现原理: Coze API 接入微信群 Bot:登录宝塔面板,在宝塔面板当中可视化控制云服务器,部署 docker 容器,启动 COW 项目与微信取得关联。chatgptonwechat(简称 CoW)项目是基于大模型的智能对话机器人,可以接入微信公众号、企业微信应用、飞书、钉钉,可选择多种模型,能处理文本、语音和图片,通过插件访问操作系统和互联网等外部资源。点击“Docker”中的“项目模板”中的“添加”按钮,将编译好的内容复制进来,在容器中创建容器,选择容器编排,填入模板和名称,确定。运行成功后点击容器,可看到运行的是两个服务,点击“wcandyaibot”后面的日志按钮,用微信扫码,手动刷新日志,看到 WeChat login success 即成功将 Bot 接入微信。
2025-03-12
提供给我一个agent落地的具体案例
以下为您提供几个 Agent 落地的具体案例: 彬子基于 ComfyUI 做油管封面 Agent:彬子是 ComfyUI 新人,之前更多使用 Coze 做 Agent 并调用其图像流完成绘图功能,还在 Glif 上做若干 Bot 以插件调用 API 方式完成绘图功能调用。Glif 提供的云端 ComfyUI 带来更多图像玩法,Coze 的工作流和 ComfyUI 的图像流代表了 Agent 内部两个子领域领先水平,但大多数同学专注一个领域精进,只要从擅长阵地多迈出一步,就能更好把控 Agent 中各种节点的设计和运用。 有用 Agent 产品开发:目前仍没有 Killer App 出现和 Agent 产品落地,原因一是 Agent 不靠谱,二是 Agent 开发者不靠谱。Agent 能力受 Tools 能力影响,如订机票需携程的 API 接入能力,要让模型更准确选择 Tools 及生成 api args,将非通识业务知识设计好让 Agent 直接用是当前接近“人工”智能且高性价比的方式。 【智谱 AutoGLM】:经过深度测试,AutoGLM 让开发者看到了 AI Agent 真正落地的希望。它解决了之前开发类似功能时的 API 对接难、多模态识别差、操作不精准等问题,借助 RPA 思路通过模拟人类操作实现跨应用控制。其场景理解能力出色,能根据用户意图选择合适应用场景,但仍存在语音识别偏差、复杂界面操作稳定性差、只支持安卓等问题。智谱团队选择几个高频场景深耕细作,证明了产品价值,未来发展空间大。
2025-03-12
core案例拆解教程
以下为为您提供的几个案例拆解教程: Coze 应用实战指南 吐槽心灵鸡汤 核心功能说明:一个允许用户输入心灵鸡汤类内容,AI 生成对应的反心灵鸡汤,并展示在前端页面的应用。 核心操作流程拆解: 1. 用户在页面输入指定文本。 2. 用户在页面点击【开喝】按钮。 3. Coze 后台调用工作流生成对应内容。 4. 工作流生成的内容展示在前端界面内。 核心前端设计拆解: 1. 用户界面提供一个元素 A(Coze 中称作组件),让用户输入内容。 2. 用户界面提供一个按钮 A,让用户点击后调用工作流。 3. 用户界面提供一个元素 B,向用户展示工作流的结果。 核心业务逻辑拆解: 1. 读取元素 A 的用户输入。 2. 将用户输入传递给 AI 大模型。 3. AI 大模型按照提示词设定生成指定内容。 4. 在元素 B 展示 AI 大模型生成的内容。基于上述业务逻辑,只需要设计一个简单的工作流即可,该工作流由【开始】节点(用户输入)、【大模型】节点(AI 生成内容)、【结束】节点构成(内容输出)。 Pika 新功能“Pikadditions” 厕所开门见猴 原视频:人物推开厕所门→空马桶镜头。 角色图片:一张猴子坐在马桶上的图片。 提示词:“When the door opens in the video,we see a monkey with reading glasses sitting in the toilet reading a book.” 拆解逻辑: 1. 时间触发:When the door opens→绑定视频动态事件(门开合过程)。 2. 空间绑定:sitting in the toilet→将猴子坐标锁定在马桶实体上。 3. 行为设计:reading a book→赋予角色符合场景逻辑的行为(厕所常见活动)。 4. 细节强化:with reading glasses→用视觉符号增强角色合理性(模仿人类行为)。 首尾帧循环视频制作 宇航员案例 1. MJ 生成宇航员近照。 2. 截取头盔中反射的宇航员作为第 3 步垫图和 sref 使用。 3. 生成与头盔中宇航员接近的半身像。 4. 打开即梦,选择使用尾帧。重点:一般情况可以不选择运镜控制,但这张图需要选择变焦推进,控制镜头推进到头盔里,不然 AI 会自己选择更容易实现的后拉运镜。 5. 得到。 6. 同样的做法得到尾帧回到首帧的视频,再用剪映拼接一下两段视频即可得到在他人与自己中无限轮回(有时候起始或结束有停顿,保证整条视频衔接流畅可以掐掉)。
2025-03-12