- vừa được xem lúc

Viết code chỉ bằng mô tả, có thể không? Cùng thử Jupyter AI nhé.

0 0 11

Người đăng: Pham Thi Hong Anh

Theo Viblo Asia

Chào các bạn, như chúng ta cũng đã thấy ChatGPT đã làm khuấy động thị trường được gần 1 năm rồi. Kể cả tech hay non-tech đều sử dụng GPT khá là nhiều. Và vì vậy mình cũng muốn thử tìm kiếm xem có thể viết code chỉ bằng những mô tả từ ngữ thì có thể không? Và mình đã tìm thấy jupyter-ai . Với Jupyter-ai chúng ta ssẽ sử dụng Jupyter AI trực tiếp trong Jupyter Notebook và Jupyter Lab của mình để dễ dàng tạo mã bằng AI tổng hợp, loại bỏ nhu cầu nhập đoạn mã từ các ứng dụng khác.

Sử dụng AI để tự động sinh mã không chỉ giúp tăng tốc độ phát triển mà còn giúp giải quyết các vấn đề phức tạp mà có thể bạn chưa chắc chắn về cách tiếp cận. Bạn có thể mô tả ý tưởng, yêu cầu tính năng, hoặc thậm chí là mô tả bằng ngôn ngữ tự nhiên về bài toán bạn muốn giải, và AI sẽ giúp bạn biến những mô tả đó thành code.

Hãy cùng khám phá xem liệu chúng ta có thể viết code chỉ bằng những mô tả từ ngữ không, và làm thế nào Jupyter AI có thể giúp chúng ta làm điều đó, Và bây giờ chúng ta cùng tìm hiểu sự magic này nhé

Khám Phá Jupyter AI

Jupyter AI là một tiện ích mở rộng cho Jupyter Notebook và Jupyter Lab, hai trong số những công cụ phổ biến nhất được cộng đồng khoa học dữ liệu và AI sử dụng. Nó cho phép người dùng viết code một cách tự động bằng cách chỉ sử dụng ngôn ngữ tự nhiên. Điều này không chỉ mở ra khả năng tiếp cận lập trình cho một lượng lớn người mới bắt đầu mà còn giúp các chuyên gia tiết kiệm thời gian trong quá trình phát triển.

Làm Thế Nào Để Bắt Đầu?

Để bắt đầu với Jupyter AI, chúng ta chỉ cần cài đặt tiện ích mở rộng này vào môi trường Jupyter hiện có của mình. Một khi đã cài đặt, bạn có thể bắt đầu viết mô tả cho những gì bạn muốn code thực hiện. Jupyter AI sẽ phân tích mô tả của bạn và tự động tạo ra đoạn code tương ứng.

Nếu bạn muốn dùng song song jupyterlab và jupyter-ai thì dùng lệnh này

$ pip install jupyter_ai

Nếu bạn chỉ muốn dùng jupyter-ai thì dùng lệnh này

$ pip install jupyter_ai_magics

Viết Code Bằng Mô Tả

Sau khi đã cài đặt xong thì mình cùng test thử nhé

%%ai magic hoạt động khăps mọi nơi khi chạy IPython kernel: JupyterLab, Jupyter Notebook, Google Colab, và Visual Studio Code.

Sau khi cài đặt %%ai magic, bạn có thể kích hoạt nó trong bất kỳ notebook nào hoặc IPython shell bằng cách chạy:

%load_ext jupyter_ai_magics #hoặc  %load_ext jupyter_ai

Bước tiếp theo bạn nhớ cài openai và thêm api_key vào nhé

Đọc file csv pandas

%%ai chatgpt
write code read csv

Và đây là kết quả đã gen ra code cho mình, mình đã test thủư là đúng code nha mn có thể check.

Hình: read csv file

Phân tích dữ liệu sử dụng Pandas

ở đây mình sẽ thử dùng tiếng Việt nè

%ai chatgpt Tạo một đoạn mã Python sử dụng thư viện Pandas để tải một tập dữ liệu CSV từ đường dẫn 'data.csv', sau đó tính giá trị trung bình của cột 'Age'in kết quả ra màn hình

và cùng xem kết quả sau khi được gen code nhé

Hình: phân tích dữ liệu sử dụng Pandas

Bên cạnh code còn có giải thích nữa xịn ghê ha,

Trực quan hóa dữ liệu sử dụng Matplotlib

Sau khi đã thử phân tích thì mình thử sức bạn ý bằng cách xem có dùng matplotlib để trực quan hoá dữ liệu được không nhé. Mình vẫn tiếp tục dùng ngôn ngữ tiếng Việt ở đây

%ai chatgpt Vẽ một biểu đồ phân tán (scatter plot) sử dụng Matplotlib để hiển thị mối quan hệ giữa cột 'Height''Weight' từ tập dữ liệu 'data.csv'.

kết quả:

Hình: sử dụng Matplotlib

Web Scraping sử dụng BeautifulSoup

Tiếp theo mình sẽ thử bảo thu thập dữ liệu về xem nhé.

%ai chatgpt Viết một script Python sử dụng BeautifulSoup để trích xuất và in ra tiêu đề chính (thẻ <h1>) từ trang web 'http://example.com'."

kết quả:

Hình: Scraping

xây dựng mô hình AI dự đoán giá nhà

Có vẻ những ví dụ trên khá là đơn giản, nên mình sẽ thử xem ví dụ này xem sao

%ai chatgpt xây dựng mô hình AI dự đoán giá nhà 

Kết quả đây rồi, quả thật là 1 mô hình luôn, mọi người có thể test thử xem có ổn không nhé

Hình: dự đoán giá nhà

Kết luận

Jupyter AI không chỉ giới hạn ở việc phân tích dữ liệu. Dù bạn muốn xây dựng một mô hình học máy, tự động hóa một quy trình công việc, hay thậm chí tạo ra một ứng dụng web đơn giản, Jupyter AI đều có thể giúp bạn. Hoặc khi bí ý tưởng mà lười search google bạn có thể trực tiếp trên notebook mà bạn đang code luôn, thật là tiện đúng không nào.

Như mọi người thường hay bảo ChatGPT sẽ cướp việc của nhiều người, như mình thấy đây lại là một công cụ giúp mình tối ưu hoá việc search google hơn. Các bạn nên học cách hỏi "thông minh" " ngắn gọn", "logic" thì sẽ đầy đủ ý. Trên Viblo cũng có 1 số bài viết về cách hỏi GPT (hay còn gọi là viết Prompt) Bạn đã biết gì về prompt engineering? - Tổng hợp các tips tạo lời nhắc cho ChatGPT của tg Hoàng Thu Thảo hoặc 6 chiến lược để prompt hiệu quả mà OpenAI đưa ra có gì hot? (Phần 1) của tác giả Trần Trung Đức.

Cảm ơn bạn đã đọc bài viết của mình, mong nhận được sự đóng góp ý kiến từ mọi người.

Reference

https://github.com/jupyterlab/jupyter-ai

https://jupyter-ai.readthedocs.io/en/latest/

Bình luận

Bài viết tương tự

- vừa được xem lúc

[Series Pandas DataFrame] Phân tích dữ liệu cùng Pandas (Phần 3)

Tiếp tục phần 2 của series Pandas DataFrame nào. Let's go!!. Ở phần trước, các bạn đã biết được cách lấy dữ liệu một row hoặc column trong Pandas DataFame rồi phải không nào. 6 Hoc.

0 0 63

- vừa được xem lúc

[Series Pandas DataFrame] Phân tích dữ liệu cùng Pandas (Phần 2)

Nào, chúng ta cùng đến với phần 2 của series Pandas DataFrame. Truy xuất Labels và Data. Bạn đã biết cách khởi tạo 1 DataFrame của mình, và giờ bạn có thể truy xuất thông tin từ đó. Với Pandas, bạn có thể thực hiện các thao tác sau:.

0 0 95

- vừa được xem lúc

[Series Pandas DataFrame] Phân tích dữ liệu cùng Pandas (Phần 1)

Pandas DataFrame là một cấu trúc chứa dữ liệu hai chiều và các nhãn tương ứng của nó. DataFrames được sử dụng rộng rãi trong data science, machine learning, scientific computing và nhiều lĩnh vực sử dụng nhiều dữ liệu khác.

0 0 28

- vừa được xem lúc

Buổi hẹn hò đầu tiên với bộ dữ liệu, chúng ta nên làm gì?

Khi có một bộ dữ liệu trong tay, phần lớn những newbie (trong đó có cả mình) sẽ nghĩ tới việc bắt tay vào mô hình hoá, tính toán, phân tích, thậm chí bê nguyên các model machine learning vào để predic

0 0 28

- vừa được xem lúc

[Series Pandas DataFrame] Phân tích dữ liệu cùng Pandas (Phần 7)

Làm việc với Time Series trong Pandas. Pandas thật sự vượt trội trong việc xử lý với Time Series.

0 0 35

- vừa được xem lúc

[Python Library Series] Pandas Tutorial for Beginners Part 1

Pandas là thư viện rất quan trọng đối với các lập trình viên Python hiện nay. Thư viện này được ví như backbone của hầu hết các dự án dữ liệu. . Note:.

0 0 42