- „Google“ integravo „Data Science Agent“ į „Colab“, kad būtų lengviau automatizuoti duomenų analizę.
- Veikia Gemini 2.0, agentas leidžia vartotojams generuoti funkcinius nešiojamuosius kompiuterius tiesiog aprašant savo tikslus.
- Pasiekiamas 18 metų ir vyresniems naudotojams tam tikrose šalyse, palaikomas CSV, JSON ir teksto failai.
- Supaprastinkite darbo eigą pašalindami pasikartojančias užduotis, pagerindami duomenų mokslo efektyvumą.
„Google“ žengė žingsnį į priekį duomenų analizės srityje, integruodama naująjį duomenų mokslo agentą į „Colab“ . Šis dirbtinio intelekto valdomas įrankis siekia, kad duomenų mokslininkų , tyrėjų ir kūrėjų darbas būtų prieinamesnis ir efektyvesnis.
Duomenų mokslo agentas automatizuoja įvairias užduotis „Colab“ – „Jupyter Notebook“ pagrindu sukurtoje aplinkoje, kuri supaprastina „Python“ programavimą debesyje. Dėl „Gemini 2.0“ technologijos vartotojai dabar gali įkelti savo duomenis, aprašyti savo analizės tikslą ir automatiškai gauti veikiantį užrašų knygelę su reikiamu kodu.
Duomenų analizės automatizavimas
Naudodama šį naują agentą, „Google“ siekia supaprastinti duomenų analitikų darbo eigą. Jis panaikina poreikį rašyti kodą nuo nulio , nes jis pats generuoja reikiamus scenarijus tokioms užduotims kaip bibliotekų importavimas , duomenų apdorojimas ir vizualizacijų kūrimas.
Įrankis gali atlikti tiriamąją analizę , duomenų valymą, nuspėjamąjį modeliavimą ir statistinį testavimą. Jis taip pat turi sugeneruoto kodo savikoregavimo ir patikslinimo galimybes, todėl yra naudingas tiek ekspertams, tiek duomenų mokslo naujokams. Norėdami išsamiau susipažinti su šia technologija, galite peržiūrėti „Gemini Code Assist“ vadovą.
Naudojimo paprastumas vartotojams
Duomenų mokslo agentas veikia intuityviai. Tiesiog atlikite šiuos veiksmus:
- Atidarykite bloknotą „Colab“..
- Įkelkite duomenų rinkinį CSV, JSON arba TXT formatu.
- Apibūdinkite analitinę užduotį natūralia kalba naudojant Gemini šoninį skydelį.
- Paleiskite sugeneruotą bloknotą gauti rezultatus ir vizualizacijas.
Dėl pokalbio metodo agentas gali suprasti tokias užklausas kaip „Vizualizuoti duomenų tendencijas“ arba „Apmokyti nuspėjamąjį modelį “. Tai supaprastina procesą ir sumažina pasikartojančioms užduotims skiriamą laiką . Tiems, kurie domisi bendradarbiavimo platformomis, gali būti naudinga peržiūrėti bendradarbiavimo įrankius .
Poveikis mokslo bendruomenei
Bandymai parodė, kad duomenų mokslo agentas smarkiai sutrumpina analizės laiką . Žymus pavyzdys yra Lorenso Berklio nacionalinės laboratorijos tyrėjo, kuriam pavyko sutrumpinti duomenų apdorojimo laiką nuo savaitės iki vos penkių minučių, atvejis.
Be to, įrankis buvo įvertintas „Hugging Face“ DABStep lyginamajame teste, kur jis užėmė ketvirtąją vietą daugiapakopiame samprotavime , aplenkdamas tokius modelius kaip „DeepSeek“ ir „Llama 3.3 70B“. Daugiau informacijos apie šio tipo modelius rasite „DeepSeek R1“ analizėje.
Ateities planai ir plėtra
„Google“ turi ambicingų planų patobulinti įrankį. Būsimi pokyčiai apima:
- Daugiau duomenų formatų palaikymas ir sudėtingesnė analizė.
- Didesnės tinkinimo galimybės sukurtuose sąsiuviniuose.
- Plėtra į kitas aplinkas Google plėtra.
Technologijų milžinė taip pat nurodė, kad renka vartotojų atsiliepimus per „Google Labs“ bendruomenę „Discord“ platformoje, kad galėtų toliau tobulinti savo funkcijas. Be to, tie, kurie domisi dirbtinio intelekto kūrimu, gali rasti vertingos informacijos apie naująjį „OpenAI“ operatorių.
Pridėjusi prie „Colab“ duomenų mokslo agentą, „Google“ siekia demokratizuoti prieigą prie pažangių duomenų analizės įrankių . Sumažindama pasikartojančius darbo krūvius, vartotojai gali sutelkti dėmesį į rezultatų interpretavimą, o ne rūpintis techniniu įgyvendinimu. Ši inovacija žymi naują duomenų analizės automatizavimo etapą , palengvinantį duomenų mokslininkų darbą visame pasaulyje.
