欢迎来到“生成式 AI 和 ChatGPT 数据科学与 Python 精通”课程

在当今数字时代，人工智能（AI）正在改变我们与技术的互动方式。掌握 AI 工具已成为任何希望在这个快速发展的环境中保持竞争力的人的必备技能。在数据驱动的世界中，分析数据、提取有意义的见解以及应用机器学习算法的能力变得尤为重要。Generative AI & ChatGPT Mastery for Data Science and Python

本课程旨在引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，同时利用 ChatGPT-4o 的强大功能。无论您是数据科学的新手还是希望进一步提升技能的专业人士，这个课程都为您提供了一个全面的学习平台。

由 Oak Academy、OAK Academy 团队、Ali̇ CAVDAR 创建
MP4 | 视频：h264、1280×720 | 音频：AAC，44.1 KHz，2 Ch
级别：全部 | 类型：电子学习 | 语言：英语 | 时长：198 讲座（24 小时 6 分钟）| 大小：10.3 GB

课程内容

在这个课程中，您将学习到：

什么是人工智能？
人工智能（ANI） 人工智能
（AGI） 人工智能超级智能
（ASI）
人工智能子集 – 机器学习
人工智能子集 – 深度学习
机器学习 实例学习
大型语言模型 (LLM)
自然语言处理 (NLP)
切换到 ChatGPT 前的警告
时代革命者：OpenAI
让我们了解 ChatGPT 界面
ChatGPT-4 界面中的差异
ChatGPT 的端点
提示 提示工程的力量 提示
工程基础摘要
提示工程：示例提示 提示工程
中的最佳问题 提示工程
中的最佳问题摘要
通过场景强化主题
绘制提示路线图
定向写作要求
清晰的解释方法
基于示例的学习
RGC（角色、目标、上下文）
约束性响应
添加视觉吸引力
提示更新
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
获取
使用 ChatGPT API 提供提示协助
文件阅读
视觉阅读
视觉生成（DALL-E 简介）
使用 DALL-E 增强图像
通过现成的提示改进视觉效果
组合图像
视觉提示帮助站点
GPT
创建自己的 GPT
有用的 GPT
重大新闻：介绍 ChatGPT-4o
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 使用
ChatGPT-4o 进行视觉评论
数据分析是研究或操纵数据集以获得某种见解的过程
重大新闻：介绍 ChatGPT-4o
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 使用 ChatGPT
-4o 进行视觉评论
ChatGPT 用于生成式 AI 的简介
访问数据集
第一项任务：领域知识
加载数据集和理解变量
让我们进行第一次分析
检查缺失值
检查唯一值
分类变量（使用饼图进行分析）
探索性数据分析 (EDA)
分类变量与目标变量 数值
变量与分类变量与目标变量之间的相关性
变量之间的关系（使用热图进行分析）
数值变量 – 带有群图的分类变量
删除相关性较低的列
可视化异常值
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 AI 就是人工智能(AI)，可以根据用户的提示或请求创建原创内容
使用 ChatGPT 了解数据集 使用 ChatGPT
开始进行探索性数据分析 (EDA) 使用 ChatGPT
执行多元变量分析 使用 ChatGPT
为机器学习模型准备数据 使用 ChatGPT
使用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
对数据集执行初步分析 使用 ChatGPT
对数据集执行第一个操作 使用 ChatGPT
解决缺失值 使用 ChatGPT
使用 CatPLot 执行双变量分析 使用 ChatGPT
使用 KdePLot 执行双变量分析 使用 ChatGPT
检查变量的相关性 使用 ChatGPT 执行 get_dummies
操作 使用 ChatGPT
准备进行逻辑回归建模 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
进行 GridSearchCv 操作
使用 ChatGPT 以最佳参数重建模型

实践项目

课程将包括多个实践项目，您将有机会将所学知识应用于实际问题。这些项目将帮助您巩固技能，并为未来的职业发展打下坚实的基础。

课程要求

要参加本课程，您只需具备以下条件：

• 一台可以运行课程软件的计算机（Windows、Mac 或 Linux）
• 学习的动力和热情
• 对人工智能和数据科学的好奇心
• 基本的 Python 知识
• 其他没有要求！只需您、您的计算机和开始学习的雄心。

随着 AI 和数据科学的迅猛发展，掌握这些技能将为您打开无数职业机会的大门。无论您是希望在现有职业中提升竞争力，还是计划转行进入这个领域，本课程都将为您提供必要的知识和技能。立即加入我们，开启您的 AI 和数据科学之旅吧！