数据科学与GenAI分析：Python + Hugging Face

从原始数据到AI驱动的洞察：构建现代分析流水线

每天，企业都会生成海量的非结构化文本数据——从客户评论到支持工单——但大多数数据并未得到充分利用。如果能够利用生成式人工智能（GenAI）将这些原始文本转化为结构化洞察和自动化报告，整个过程仅需几分钟，会怎样？欢迎来到“生成式人工智能在数据科学中的应用：用GenAI构建智能分析系统”！

由 Orants AI、Reza Mora MP4 创建
| 视频：h264、1280×720 | 音频：AAC，44.1 KHz，2 声道
级别：初学者 | 类型：电子学习 | 语言：英语 | 时长：14 讲（1 小时 29 分钟）| 大小：1.53 GB

我是Reza教授（Dr. Reza Moradinezhad），一名拥有人工智能、机器学习和人机交互领域十余年经验的科学家和教育工作者，曾与MIT媒体实验室、卡内基梅隆大学和哈佛大学的团队合作。在本课程中，我将带领您通过一个基于项目的实践课程，使用Python、Hugging Face Transformers和真实数据集，构建一个端到端的生成式AI数据流水线。

课程内容

您将学习如何分析电影评论、生成合成数据、利用大型语言模型（LLMs）提取洞察，并自动化生成分析报告——每一步都配有实用的代码示例和详细指导。与大多数停留在理论层面的GenAI课程不同，本课程完全聚焦于实际应用。

我们将使用“烂番茄”（Rotten Tomatoes）数据集，在Jupyter Notebooks中构建流水线，并应用预训练模型进行情感分析、文本摘要和报告生成。您学到的每一步都可以迁移到您自己的数据科学项目中，跨越不同领域。

核心目标

课程结束时，您将能够设计和实现一个基于Python的生成式AI流水线，用于分析非结构化文本数据、生成洞察并创建自动化分析报告。

工具与技术

在本课程中，所有工具协同工作，构建一个全面的生成式AI工作流：

1. Python + Pandas
   • 作为数据处理的基础环境，从初始加载和探索评论数据，到生成简单的合成表格数据（例如模拟电影属性或评级）。
2. Hugging Face Transformers + Datasets
   • 提供对预训练模型的无缝访问，用于自动化情感分析、文本摘要和关键词提取，同时高效加载“烂番茄”数据集。
3. Jupyter Notebooks
   • 作为交互式编码环境，用于整合所有工具、可视化中间结果，并逐步构建完整的GenAI分析流水线。

为什么选择这门课程？

• 实践导向：课程强调动手能力，而非纯理论。
• 可迁移性：所学技能适用于任何文本密集型数据集。
• 前沿技术：利用Hugging Face的最新模型和工具。
• 专家指导：由经验丰富的AI科学家亲自授课。

适合人群

无论您是数据科学家、AI工程师，还是对数据分析充满好奇的从业者，本课程都将帮助您掌握将文本数据转化为自动化洞察的技能和信心。

生成式AI正在重塑数据科学的核心方法论。通过本课程，您不仅能够理解GenAI的工作原理，还将亲手构建一个功能完备的分析工具。让我们一起深入探索，以生成式AI为核心，重新定义数据科学的未来！