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　簽：	暫缺

購買這本書可以去

當當網(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)：		字數(shù)：

內容簡介

　　內容簡介這是一本能指導數(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，內容可以分為四個部分：1.AIGC工具使用和Prompt撰寫首先詳細介紹了數(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)分析與挖掘場景構建高質量的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在不同場景中的結合使用。3.AIGC輔助SQL數(shù)據(jù)分析與挖掘方法角度，詳細講解了AIGC工具如何輔助SQL數(shù)據(jù)分析與挖掘，包括數(shù)據(jù)準備、查詢、清洗、轉換、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在不同場景中的結合使用。4.AIGC輔助Python數(shù)據(jù)分析與挖掘方法角度，詳細講解了AIGC工具如何輔助Python數(shù)據(jù)分析與挖掘，包括環(huán)境構建、數(shù)據(jù)探索、數(shù)據(jù)處理、AutoML等；實踐角度，通過廣告預測、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在不同場景中的結合使用。除此之外，本書還全面總結了用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)領域資深技術專家，觸脈咨詢合伙人，前Webtrekk（德國最大在線數(shù)據(jù)分析服務提供商）中國區(qū)前技術和咨詢負責人。在數(shù)據(jù)領域工作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)價值場景設計、業(yè)務需求轉換、數(shù)據(jù)結構梳理、數(shù)據(jù)建模與學習以及數(shù)據(jù)工程交付。在跨境、電子商務、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，參與過集團和企業(yè)級數(shù)據(jù)體系規(guī)劃、DMP與數(shù)據(jù)倉庫建設、標簽和畫像系統(tǒng)建設、大數(shù)據(jù)產(chǎn)品開發(fā)、網(wǎng)站流量系統(tǒng)建設、個性化智能推薦與精準營銷、企業(yè)大數(shù)據(jù)智能營銷與應用等。服務客戶包括SHEIN、聯(lián)合利華、Webpower、德國OTTO集團電子商務（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。主要研究項目及領域數(shù)據(jù)化運營 × AI、數(shù)據(jù)分析、數(shù)據(jù)挖掘、機器學習、個性化推薦、精準營銷、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)體系標準》專家組成員，虎嘯獎評委會委員，DMT數(shù)字營銷人才認證委員會認證委員。著作成果《Python大數(shù)據(jù)架構全棧開發(fā)與應用》（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)構建實戰(zhàn)：技術、架構、實施與應用》（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：應用場景與關鍵要素6
1.2.2　應用集成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18
1.5.2　應用場景：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)權及版權問題22
1.6.6　社會認知偏差影響數(shù)據(jù)推理22
1.6.7　難以解決大型任務的統(tǒng)籌與復雜依賴問題22
1.6.8　垂直領域數(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　合理設置AIGC使用期望24
第2章　構建高質量Prompt的科學方法與最佳實踐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　控制模型復雜度26
2.2.3　提高內容生成質量26
2.2.4　個性化體驗和內容定制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　語法和語義的嚴格限制28
2.4　高質量Prompt的基本結構29
2.4.1　角色設定：明確AI角色與工作的定位29
2.4.2　任務類型：明確AI任務的類別與性質29
2.4.3　細節(jié)定義：準確定義期望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返回的內容31
2.4.6　參考示例：優(yōu)質示例的參考借鑒31
2.5　提升Prompt質量的關鍵要素32
2.5.1　指令動詞：精確引導模型行動32
2.5.2　數(shù)量詞：明確量化任務要求33
2.5.3　函數(shù)和公式：運用數(shù)學邏輯的威力34
2.5.4　標記符號：有效提示引用信息34
2.5.5　條件表達：準確限定輸出條件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：基于樣板輸出內容36
2.5.10　語言設置：設定合適的輸出語言37
2.5.11　否定提示詞：反向界定與排除歧義37
2.6　構建Prompt的最佳實踐38
2.6.1　明確目標和場景：精準設定任務目標38
2.6.2　任務分解：拆解大型、復雜任務39
2.6.3　交互反饋：基于正負向反饋的優(yōu)化40
2.6.4　讓AI提問：引導模型主動提問41
2.6.5　控制上下文：合理管理對話信息量41
2.6.6　引導、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：語言表達精煉43
2.6.8　使用英文Prompt：借助英文提升質量43
2.6.9　輸入結構化數(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Prompt示例：引爆AIGC優(yōu)質內容46
2.7.1　逐步啟發(fā)和引導式的Prompt精調46
2.7.2　從廣泛到收縮的Prompt精調47
2.7.3　利用反轉角色的Prompt精調48
2.7.4　基于少樣本的先驗知識的Prompt精調49
2.7.5　基于調整模型溫度參數(shù)的Prompt精調50
2.7.6　基于關鍵問題的Prompt精調51
2.8　Prompt構建工具：輕松撰寫提示詞52
2.8.1　Prompt構建工具簡介52
2.8.2　New Bing Chat的提示詞構建和引導功能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驅動的Prompt構建工具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的內部沖突和矛盾57
2.9.4　如何避免Prompt的內