即使您已经很高级，如何使用 ChatGPT 更快地学习数据科学

目录

•数据科学仍然具有相关性吗？

•为什么要使用人工智能来学习数据科学？

•如何真正利用人工智能学习数据科学

1. 第 1 步：制定路线图
2. 第 2 步：设计 ChatGPT 作为我的导师
3. 第三步：制定学习课程
4. 第 4 步：尝试 AutoGPT 等高级工具
5. 第五步：做项目
6. 初学者的项目演练
7. 高级从业者的项目演练

•结论

一切都在短时间内发生了变化。ChatGPT 和 GPT-4 等人工智能工具正在接管并彻底改变教育和学习技术技能的格局。我觉得我需要写这篇文章来解决一些重要的事情：

1. 人工智能新时代，学习数据科学还重要吗？
2. 如果是这样，通过利用现有的新技术来学习这些技能的最佳方法是什么？如果我现在必须重新开始，我该怎么做？
3. 数据科学的未来是什么样的？

数据科学仍然有意义吗？

随着人工智能的不断发展，数据科学家会被淘汰还是他们的角色会比以往更加重要？

从个人角度来看，我仍然觉得我为客户增加的价值比人工智能更多，而且利用这些可用的新工具，我已经能够（至少）使我的工作产出翻倍。现在，我觉得人工智能不会取代我的工作，但实际上，未来比以往任何时候都更加不确定。

在你担心工作岗位消失之前，让我们看一下以下场景：在未来的某个时候，你经营一家公司，让人工智能为你做分析工作。

您希望谁来运行人工智能、提示它并监督它？您希望由具有数据科学或软件工程背景的人来监督这些程序，还是希望由未经培训的人来监督这些程序？

我认为答案是非常明显的。您需要具有如何处理运行这些人工智能系统的数据的经验和知识的人。

从短期来看，这种情况希望是假设的。但这确实给了我一些信心，让我相信这些技能的某些方面具有弹性。

即使情况发生变化，数据科学家减少了动手编码的工作，我仍然认为，在与人工智能更加紧密结合的世界中，通过学习该领域而培养的这些技能将非常有用。人工智能植根于数据科学，在某种程度上，我们比其他职业更多地融入这个系统。

除此之外，人工智能仍然会产生幻觉，我们需要尽可能多的具有丰富知识的人来监督它并充当反馈循环。

虽然我不确定数据科学家工作的未来，但有一件事我非常确定：数据、分析和人工智能将成为我们生活中更重要的一部分。您不认为学习了这些领域的人也将获得更大的相对成功吗？

为什么要使用人工智能来学习数据科学？

如果我认为数据科学仍然不值得学习，本文就到此结束。需要明确的是，我仍然认为它仍然是 100% 值得的。但是，说实话，仅仅学习数据科学已经不够了。您还需要学习如何使用新的人工智能工具。

有趣的是，学习数据科学和这些人工智能工具比单独学习数据科学更容易。让我解释。

碰巧的是，您正处于一起学习这两个领域的最佳时机。

如果您通过利用现有的新人工智能工具来学习数据科学，您将获得双重好处：

1. 通过人工智能学习数据领域，您可以获得更加个性化和迭代的教育体验
2. 您还可以同时提高人工智能工具的技能。

如果我的计算正确的话，你会事半功倍。

如果使用人工智能工具的能力可以帮助你找到工作并做得更好，那么了解如何使用它们比忽视它们更好。在过去的三个月里，我觉得我对数据科学的了解比过去三年的总和还要多。我将其中大部分归因于 ChatGPT 的使用。

那么，你该怎么做呢？如何通过人工智能真正学习数据科学？

如何真正利用人工智能学习数据科学

如果我必须使用所有可用的工具重新开始，这正是我会做的。

第 1 步：制定路线图

我会制定一个路线图。您可以通过查看其他课程或与 ChatGPT 进行对话来做到这一点。您实际上可以要求它根据您的学习目标为您制定数据科学学习路线图。

如果你没有学习目标，你也可以要求它为你创建一个列表，你可以找到你喜欢的。

如果您想了解有关制定教育路线图的更多信息，请查看我更深入地了解该主题的这篇文章。

第 2 步：设计 ChatGPT 作为我的导师

我会设计 ChatGPT 作为我的导师。您可以使用 GPT-4 创建角色，这可能是我最喜欢的功能。您可以使用这样的提示：

在这种情况下，您是世界上最好的数据科学老师之一。请以有助于我更好地理解该领域的方式回答我的数据科学问题。请使用许多现实世界或实际的例子，并给我提供相关的练习问题。

第三步：制定学习课程

我几乎肯定有偏见，但我认为免费课程或付费课程仍然是创建学习结构的不错选择。在学习过程中，您可以要求 ChatGPT 导师为您提供示例、扩展主题并提供练习问题。

第 4 步：尝试 AutoGPT 等高级工具

如果您在人工智能方面更先进一点，您可以使用 AutoGPT 等工具为您生成课程表。我可能会尝试这样做，看看会产生什么结果。

第五步：做项目

如果您已经熟悉编码，您可能可以跳到做项目。我个人从与 ChatGPT 合作的项目中学到了很多东西。

如果这是您的第一个项目，只需要求它做一些事情就可以了，但随着您的进展，您希望对如何使用它更加有意和互动。

让我们比较一下初学者和高级实践者应该如何进行项目学习。

初学者的项目演练

初学者项目演练的示例可能如下所示：

1. 您向 ChatGPT 提供有关数据行和列的信息
2. 您要求它创建样板代码来探索该数据的空值、异常值和正态性
3. 你问它你应该对这些数据提出什么问题
4. 您要求它清理数据并为您构建模型以对因变量进行预测

虽然看起来它已经为您完成了所有工作，但您仍然需要让该项目在您的环境中运行。当你进行的时候，你也在提示和解决问题。

无法保证它会像复制别人的项目一样工作，所以我觉得这是一个很好的参与学习中间立场。

高级从业者的项目演练

现在，让我们考虑一下更高级的实践者将如何使用它：

1. 您可以遵循生成样板代码的相同步骤，但这应该进行扩展。因此，您可能想要尝试更多地亲自探索数据和假设检验。也许，选择一两个你想用数据和描述性统计来回答的问题并开始分析。

2. 对于做过一些项目的人，我建议自己生成一些代码。假设您用 plotly 制作了一个简单的条形图。您可以将其输入并要求 ChatGPT 重新格式化它、更改颜色或比例等。

通过这样做，您可以快速迭代可视化，并且可以实时看到对代码的不同调整如何改变图形。这种即时反馈非常有利于学习。

3. 我还认为，检查这些更改并了解它们是如何进行的也很重要。另外，如果您不明白某些内容，只需询问 ChatGPT 即可扩展它的功能。

4. 更高级的从业者还应该更加关注数据工程和生产代码的管道。这些都是你仍然需要亲自动手处理的事情。我发现 ChatGPT 能够帮助我完成部分任务，但我需要自己进行大量调试。

5. 从那里，您可能想要让人工智能运行一些算法并进行参数调整。老实说，我认为这将是数据科学中自动化速度最快的部分。我认为参数调整对于普通练习者来说会看到收益递减，但对于高水平来说可能不会。

6. 您应该将时间集中在特征工程和特征创建上。这也是人工智能模型可以提供帮助但无法完全掌握的事情。获得一些不错的模型后，看看可以添加哪些数据，可以创建哪些功能，或者可以进行哪些转换来提高结果。

在拥有这些先进人工智能工具的世界中，我认为做项目比以往任何时候都更加重要。你必须构建东西，并分享你的工作。幸运的是，有了这些人工智能工具，做到这一点也比以往任何时候都容易。制作网络应用程序更容易。使用您以前从未使用过的新软件包会更容易。

我强烈鼓励您在数据科学工作中创造现实世界的影响和有形的东西。当其他人也使用这些工具来学习和构建时，这将成为区分的新方式。

结论

世界在变化，数据科学也在变化。您准备好迎接挑战并通过您的项目创造现实世界的影响了吗？

我之前提到过，但我认为我们所有人的工作方式正在发生变化。我认为对于包括数据科学在内的所有领域来说，现在都是一个不确定的时期。

另一方面，我认为数据科学是技术和解决问题技能的完美结合，可以很好地扩展到几乎任何新的世界或领域。

我在文章中详细讨论了我如何认为数据科学是最接近纯粹创业的领域之一。我认为，在人工智能改变的世界中，我们需要尽可能地利用这种创业精神。