【Udemy中英字幕】Generative AI & ChatGPT Mastery for Data Science and Python

生成式人工智能与聊天GPT 精通数据科学与 Python

通过实践项目从头掌握数据科学和 Python 的生成式 AI、ChatGPT 和 Prompt Engineering

讲师：Oak Academy

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

什么是人工智能？
人工智能（ANI）
通用人工智能（AGI）
超级人工智能（ASI）
人工智能的子集 – 机器学习
人工智能的子集 – 深度学习
机器学习研究的真实案例
大型语言模型（法学硕士）
自然语言处理（NLP）
切换到 ChatGPT 之前的警告
时代革命者：OpenAI
让我们了解 ChatGPT 界面
ChatGPT-4 界面的差异
ChatGPT 的端点
及时及时的工程力量
快速工程基本原理摘要
提示工程：示例提示
快速工程中的最佳问题
快速工程中的最佳问题总结
通过场景强化主题
绘制路线图
指导写作请求
清晰的解释方法
基于实例的学习
RGC（角色、目标、背景）
受限响应
增加视觉吸引力
及时更新
ChatGPT-Google 扩展程序
电子邮件写作
总结 YouTube 视频
与 ChatGPT 交谈
快速访问 ChatGPT
深入网站
获得及时帮助
使用 ChatGPT API
文件读取
视觉阅读
视觉生成（DALL-E 简介）
使用 DALL-E 增强图像
通过现成的提示改善视觉效果
合并图像
视觉提示帮助站点
通用技术
创建您自己的 GPT
有用的 GPT
重磅新闻：ChatGPT-4o 介绍
如何使用 ChatGPT-4o？
ChatGPT 的发展历程
ChatGPT-4o 有哪些功能？
使用 ChatGPT-4o 进行语音通信
50 多种语言的即时翻译
使用 ChatGPT-4o 进行面试准备
ChatGPT-4o 的视觉评论
数据分析是研究或操纵数据集以获得某种见解的过程
重磅新闻：ChatGPT-4o 介绍
如何使用 ChatGPT-4o？
ChatGPT 的发展历程
ChatGPT-4o 有哪些功能？
作为应用程序：ChatGPT
使用 ChatGPT-4o 进行语音通信
50 多种语言的即时翻译
使用 ChatGPT-4o 进行面试准备
ChatGPT-4o 的视觉评论
ChatGPT 生成式人工智能简介
访问数据集
第一项任务：领域知识
加载数据集并理解变量
让我们进行第一次分析
检查缺失值
检查唯一值
分类变量（饼图分析）
探索性数据分析 (EDA)
类别变量与目标变量
数值变量、分类变量与目标变量之间的相关性
变量之间的关系（使用热图分析）
数值变量 – 带有群图的分类变量
删除相关性较低的列
异常值可视化
确定分布
将独热编码方法应用于分类变量
使用 RobustScaler 方法对机器学习算法进行特征缩放
使用 RobustScaler 方法对机器学习算法进行特征缩放
逻辑回归算法
交叉验证
ROC 曲线和曲线下面积 (AUC)
ROC 曲线和曲线下面积 (AUC)
逻辑回归模型的超参数调整
决策树算法
支持向量机算法
随机森林算法
生成式人工智能是一种可以根据用户的提示或请求创建原创内容的人工智能 (AI)
使用 ChatGPT 了解数据集
使用 ChatGPT 进行探索性数据分析 (EDA) 入门
使用 ChatGPT 进行多元分析
使用 ChatGPT 为机器学习模型准备数据
使用 ChatGPT 的线性回归算法创建机器学习模型
使用 ChatGPT 开发机器学习模型
使用 ChatGPT 执行特征工程
使用 ChatGPT 执行超参数优化
使用 ChatGPT 加载数据集
使用 ChatGPT 对数据集进行初步分析
使用 ChatGPT 对数据集执行第一个操作
使用 ChatGPT 解决缺失值问题
使用 ChatGPT 通过 CatPLot 进行双变量分析
使用 ChatGPT 通过 KdePLot 进行双变量分析
使用 ChatGPT 检查变量的相关性
使用 ChatGPT 执行 get_dummies 操作
使用 ChatGPT 准备逻辑回归建模
使用 ChatGPT 创建逻辑回归模型
使用 ChatGPT 检查逻辑回归模型的评估指标
使用 ChatGPT 执行 GridSearchCv 操作
使用 ChatGPT 使用最佳参数重建模型

探索相关主题

生成式人工智能 (GenAI)
数据科学
发展

要求

一台可以运行的电脑（Windows、Mac 或 Linux）
学习动机在所有领域中，与人工智能相关的职位发布数量排名第二
想要学习 AI 和 ChatGPT
对人工智能和数据科学的好奇心
没有别的！只有你、你的电脑和你今天开始的雄心壮志
基本 Python 知识

描述

大家好，

欢迎来到“数据科学和 Python 的生成式 AI 和 ChatGPT 精通”课程。
通过实践项目从头开始掌握数据科学和 Python 的生成式 AI、ChatGPT 和 Prompt 工程

人工智能 (AI)正在改变我们与技术互动的方式，掌握 AI 工具对于任何想要在数字时代保持领先地位的人来说都至关重要。

在当今数据驱动的世界中，分析数据、得出有意义的见解和应用机器学习算法的能力比以往任何时候都更加重要。本课程旨在指导您完成这一旅程的每一步，从探索性数据分析 (EDA)的基础知识到掌握高级机器学习算法，同时充分利用ChatGPT-4o的强大功能。

数据科学应用是全球许多行业（包括金融、交通、教育、制造、人力资源和银行业）的热门技能。探索Python、统计学、机器学习等数据科学课程，以增长您的知识。如果您对研究、统计和分析感兴趣，请接受数据科学培训。

机器学习描述的是使用基于现实世界数据训练的模型进行预测的系统。例如，假设我们想要构建一个可以识别图片中是否有猫的系统。我们首先收集许多图片来训练我们的机器学习模型。在此训练阶段，我们将图片连同图片中是否包含猫的信息一起输入模型。在训练过程中，模型会学习与猫最密切相关的图像模式。然后，该模型可以使用在训练期间学习到的模式来预测输入的新图像中是否包含猫。

机器学习课程将教您预测文本、虚拟助手和人工智能背后的技术和概念。您可以培养所需的基础技能，以便通过 Python 和 R 编程语言构建神经网络并创建更复杂的函数。

我们拥有的数据比以往任何时候都多。但数据本身并不能告诉我们很多有关周围世界的信息。我们需要解释信息并发现隐藏的模式。这就是数据科学的作用所在。数据科学使用算法来理解原始数据。数据科学与传统数据分析的主要区别在于它专注于预测。

OAK Academy 的Python讲师专攻从软件开发到数据分析等各个领域，以有效、友好的教学而闻名，适合各个级别的学生。
无论您从事机器学习或金融工作，还是从事 Web 开发或数据科学工作，Python 都是您可以学习的最重要的技能之一。Python、Python 编程、Python 示例、Python 示例、Python 动手、pycharm python、python pycharm、带示例的 Python、Python：通过真正的 Python 动手示例学习 Python、学习 Python、真正的 Python

Python 的简单语法特别适合桌面、网络和商业应用程序。Python的设计理念强调可读性和可用性。Python 的开发前提是应该只有一种方法（最好是一种显而易见的方法）来做事情，这一理念导致了严格的代码标准化。核心编程语言相当小，标准库也很大。事实上，Python 的大型库是其最大的优势之一，为程序员提供了适合许多不同任务的各种不同工具。

本课程提供的内容：

在本课程中，您将深入了解整个数据分析和机器学习流程。无论您是该领域的新手还是希望扩展现有知识，我们的实践方法都将为您提供解决现实世界数据挑战所需的技能。

您将首先深入了解EDA 的基础知识，学习如何探索、可视化和解释数据集。在分步指导下，您将掌握清理、转换和分析数据的技术，以发现趋势、模式和异常值 – 这是进入预测建模之前的关键步骤。

为什么选择 ChatGPT-4o？

本课程以独特的方式集成了下一代 AI 工具ChatGPT-4o，以在整个学习过程中为您提供帮助。ChatGPT-4o 将通过自动执行任务、帮助生成代码、回答查询以及提供更好的分析和模型优化建议来提高您的工作效率。您将看到这种尖端 AI 如何改变数据分析工作流程并解锁新的效率和创造力水平。

掌握机器学习：

打下坚实的 EDA 基础后，本课程将指导您学习高级机器学习算法，例如逻辑回归、决策树、随机森林等。您不仅会了解这些算法的工作原理，还会了解如何使用真实数据集实现和优化这些算法。在课程结束时，您将能够熟练地选择正确的模型、微调超参数并自信地评估模型性能。

您将学到的内容：

探索性数据分析 (EDA)：掌握分析和可视化数据、检测趋势以及准备建模数据的技术。
机器学习算法：实现逻辑回归、决策树和随机森林等算法，并了解何时以及如何使用它们。
ChatGPT-4o 集成：利用 ChatGPT-4o 的 AI 功能来自动化工作流程、生成代码并提高数据洞察。
实际应用：应用获得的知识解决复杂问题，并在金融、医疗保健和技术等行业做出数据驱动的决策。
下一代人工智能技术：探索将人工智能与机器学习相结合的先进技术，突破数据分析的界限。

为什么这门课程脱颖而出：

与传统的数据科学课程不同，本课程将理论与实践相结合。您不仅会学习如何执行数据分析或构建机器学习模型，还会在ChatGPT-4o的指导下将这些技能应用于实际场景。实践项目确保在课程结束时，您可以自信地应对职业生涯中的任何数据挑战。

在本课程中，您将学习：

- 什么是人工智能？
- 人工智能（ANI）
- 通用人工智能（AGI）
- 超级人工智能（ASI）
- 人工智能的子集 – 机器学习
- 人工智能的子集 – 深度学习
- 机器学习与深度学习
- 机器学习研究的真实案例
- 大型语言模型（法学硕士）
- 自然语言处理（NLP）
- 切换到 ChatGPT 之前的警告
- 时代革命者：OpenAI
- 时代的革命：创建 ChatGPT 账户
- 让我们了解 ChatGPT 界面
- ChatGPT：版本之间的差异
- ChatGPT-4 界面的差异
- ChatGPT 的端点
- ChatGPT 获得更准确答案的秘诀：提示
- 快捷工程能力
- 快速工程基本原理摘要
- 提示工程：示例提示
- 快速工程中的最佳问题
- 快速工程中的最佳问题总结
- 通过场景强化主题
- 绘制路线图
- 指导写作请求
- 清晰的解释方法
- 基于实例的学习
- RGC（角色、目标、背景）
- 受限响应
- 增加视觉吸引力
- 及时更新
- ChatGPT-Google 扩展程序
- 电子邮件写作
- 总结 YouTube 视频
- 与 ChatGPT 交谈
- 快速访问 ChatGPT
- 深入网站
- 获得及时帮助
- 使用 ChatGPT API
- 文件读取
- 视觉阅读
- 视觉生成（DALL-E 简介）
- 使用 DALL-E 增强图像
- 通过现成的提示改善视觉效果
- 合并图像
- 视觉提示帮助站点
- 通用技术
- 创建您自己的 GPT
- 有用的 GPT
- 重磅新闻：ChatGPT-4o 介绍
- 如何使用 ChatGPT-4o？
- ChatGPT 的发展历程
- ChatGPT-4o 有哪些功能？
- 作为应用程序：ChatGPT
- 使用 ChatGPT-4o 进行语音通信
- 50 多种语言的即时翻译
- 使用 ChatGPT-4o 进行面试准备
- ChatGPT-4o 的视觉评论
- 使用 ChatGPT 了解数据集
- 使用 ChatGPT 进行探索性数据分析 (EDA) 入门
- 使用 ChatGPT 进行单变量分析
- 使用 ChatGPT 进行双变量分析
- 使用 ChatGPT 进行多元分析
- 使用 ChatGPT 进行相关性分析
- 使用 ChatGPT 为机器学习模型准备数据
- 使用 ChatGPT 的线性回归算法创建机器学习模型
- 使用 ChatGPT 开发机器学习模型
- 使用 ChatGPT 执行特征工程
- 使用 ChatGPT 执行超参数优化
- 2.1 使用 ChatGPT 加载数据集
- 使用 ChatGPT 对数据集进行初步分析
- 使用 ChatGPT 对数据集执行第一个操作
- 使用 ChatGPT 解决缺失值问题
- 使用 ChatGPT 通过 CatPLot 进行双变量分析
- 使用 ChatGPT 通过 KdePLot 进行双变量分析
- 使用 ChatGPT 检查变量的相关性
- 使用 ChatGPT 执行 get_dummies 操作
- 使用 ChatGPT 准备逻辑回归建模
- 使用 ChatGPT 创建逻辑回归模型
- 使用 ChatGPT 检查逻辑回归模型的评估指标
- 使用 ChatGPT 执行 GridSearchCv 操作
- 使用 ChatGPT 使用最佳参数重建模型