利用AI進行數據分析——基於DeepSeek+豆包+智譜清言，讓效率提高N倍
徐小磊
相關主題
商品描述
"本書旨在通過一系列精心設計理論和實戰案例，深入淺出地介紹人工智能編程的基礎與進階知識，使讀者能夠在實踐中快速掌握AI編程技能。從AI編程的基礎概念出發，到高級技巧的應用，再到AI助手工具的介紹，本書涵蓋了廣泛的內容，確保讀者能夠全面理解並有效應用AI編程技術。書中不僅提供了豐富的實戰案例，如通過ChatGPT進行網絡數據包解析、API文檔調用、MySQL數據庫操作等，還探討了如何利用AI技術進行創新項目開發，如自制小遊戲和辦公自動化工具。這些案例涵蓋了多種編程語言和工具，展示了AI編程在不同場景下的實際應用，旨在激發讀者的創新思維和解決問題的能力。本書還關註於**的AI編程工具和平臺，如GitHub Copilot、CodeWhisperer等，幫助讀者了解和掌握這些工具的使用方法，以提高編程效率和質量。 本書目標讀者群體： 1.小白用戶：對編程感興趣，但沒有基礎知識，希望通過學習AI編程來進入編程世界。 2.專業人士：已有編程基礎，希望通過學習AI編程來提升自己的技能，或者轉向AI編程領域。 3.企業決策者和團隊領導：想要了解AI編程和相關工具如何被用來提升團隊效率和產品創新。"
作者簡介
徐小磊，畢業於南京理工大學計算科學與技術學院，工科碩士，研究方向為數據挖掘與智能系統。技術水平：15年數據分析和數據運營經驗、前阿裏巴巴數據專家、微軟認證 PowerBI數據分析專家、PMI-PMP項目管理專家、PMI-PBA商業分析專業人士認證、中國標準化協會（CAS）/項目管理專業人員能力評價等級認證、零一數科大數據研究院院長、知乎Lv.08級互聯網領域創作者、拉勾教育/三節課/開課吧/嘉為科技 數據分析課程講師。影響力：2020年流量負增長-重構營銷新增長藍圖峰會的特邀嘉賓、2022年CSDI中國軟件管理技術峰會的明星嘉賓、2022年MSUP100案例峰會的特邀嘉賓、2023年K+全球軟件研發行業創新峰會的特邀嘉賓、2024年AiDD全球軟件研發行業創新峰會的特邀嘉賓。著有《運營之路：數據分析+數據運營+用戶增長》一書。
目錄大綱
利用AI進行數據分析-目錄
目錄
第1章提示工程基礎知識5
1.1什麼是提示工程6
1.1.1提示工程可以解決什麼問題6
1.1.2大模型的缺陷7
1.2提示詞的要求和規範10
1.2.1獨立提示詞要求：有效性六大原則10
1.2.2場景化提示詞框架：STAR原則12
1.3本章小結14
第2章提示詞的使用流程17
2.1設定場景和目標18
2.1.1角色和技能：你是誰/會什麼19
2.1.2場景和需求：背景是什麼22
2.1.3要求和任務：做什麼26
2.1.4約束和限制：不做什麼28
2.1.5交付和要求：成果要求29
2.1.6完整示例30
2.2多輪驗證：假設和對抗33
2.2.1一致性驗證34
2.2.2類比性驗證35
2.2.3否定性對抗36
2.2.4追問性對抗37
2.3結果確認39
2.3.1孤證不立39
2.3.2旁證不立42
2.4本章小結45
第3章新手任務：數據的描述性分析48
3.1分析方法詳解48
3.1.1分析數據的分布：平均數和中位數49
3.1.2分析數據的波動：方差和標準差50
3.1.3分析數據的異常：箱線圖和異常值50
3.2DeepSeek實戰指南：描述性分析51
3.2.1準備分析所需的提示詞52
3.2.2案例1：電商銷售數據分析53
3.2.3案例2：圖書榜單數據分析59
3.3主流大模型描述性分析對比66
3.3.1豆包：洞察可嘉、精算不足66
3.3.2智譜清言：數策兼優、決策明智72
3.3.3騰訊元寶：算無遺策、動態決策78
3.3.4Kimi：分析失準、有待提高85
3.4本章小結93
第4章升級進階：數據的推斷性分析95
4.1分析方法詳解95
4.1.1判斷業務的歸因：相關性分析96
4.1.2評判策略的效果：方差分析100
4.2DeepSeek實戰指南：相關性分析107
4.2.1準備分析所需的提示詞107
4.2.2案例1：電商銷售數據分析108
4.2.3案例2：用戶行為和粘性110
4.2.4案例3：不同年齡段的客群和評價的星級是否有依賴111
4.3主流大模型分析對比：相關性分析113
4.3.1豆包：表現出色、分析精準113
4.3.2智譜清言：分析到位、策略實用116
4.3.3騰訊元寶：表現穩定、分析透徹118
4.3.4Kimi：計算錯誤、有待提高120
4.4DeepSeek實戰指南：方差分析122
4.4.1準備分析所需的提示詞122
4.4.2案例1：促用戶活躍活動是否有效果123
4.4.3案例2：不同播放時間和內容類型的播放量是否有差異124
4.5主流大模型分析對比：方差分析127
4.5.1豆包：分析有誤、策略尚可127
4.5.2智譜清言：結論精準、分析透徹128
4.5.3騰訊元寶：分析到位、解讀清晰131
4.6本章小結133
第5章提升難度：數據的聚類分類分析135
5.1分析方法詳解135
5.1.1聚類分析136
5.1.2分類分析137
5.2DeepSeek實戰指南：聚類分析138
5.2.1案例1：某公眾號的關註粉絲畫像138
5.2.2案例2：某產品的用戶購買數據141
5.3主流大模型分析對比：聚類分析143
5.3.1豆包：聚類精準、策略清晰143
5.3.2智譜清言：聚類有效、分析深入147
5.3.3騰訊元寶：分析全面、策略精準151
5.4DeepSeek實戰指南：分類分析154
5.4.1案例1：某產品的用戶購買數據（RFM分類模型）154
5.4.2案例2：互聯網用戶的特征如何影響廣告點擊（邏輯回歸）156
5.5主流大模型分析對比：分類分析158
5.5.1豆包：分類欠妥、策略尚可158
5.5.2智譜清言：分群清晰、策略籠統161
5.5.3騰訊元寶：分群有誤、策略一般163
5.6本章小結165
第6章持續加碼：數據的主成分分析168
6.1分析方法詳解168
6.2DeepSeek實戰指南172
6.3主流大模型分析對比175
6.3.1豆包：分析清晰、解讀模糊175
6.3.2智譜清言：命名清晰、深度不足176
6.3.3騰訊元寶：相對籠統、結合不足178
6.4本章小結180
第7章終極挑戰：數據的預測性分析182
7.1分析方法詳解182
7.1.1基於時間序列的預測性分析184
7.1.2基於回歸算法的預測性分析187
7.2DeepSeek實戰指南：時間序列預測190
7.2.1準備分析所需的提示詞190
7.2.2案例1：公眾號粉絲預測分析191
7.2.3案例2：APP的客戶活躍規模趨勢預測193
7.3主流大模型分析對比：時間序列預測196
7.3.1豆包：分析合理、解讀到位196
7.3.2智譜清言：預測合理、仍需驗證199
7.3.3騰訊元寶：預測合理、解讀清晰200
7.4DeepSeek實戰指南：回歸預測202
7.4.1準備分析所需的提示詞202
7.4.2案例1：訓練次數和成績的關系（一元回歸）203
7.4.3案例2：營銷活動分析預測（多元回歸）205
7.5主流大模型分析對比：回歸預測207
7.5.1豆包：模型精準、解讀清晰207
7.5.2智譜清言：模型正確、解讀較弱210
7.5.3騰訊元寶：分析正確、簡潔明了212
7.6本章小結214
第8章客戶的購物行為分析217
8.1案例背景和提示詞217
8.2詳細分析過程218
8.3本章小結228
第9章電商平臺手機銷售評論分析230
9.1案例背景和提示詞230
9.2詳細分析過程230
9.3本章小結236
第10章提示詞與提示工程的未來之路238
10.1提示詞和提示工程的局限性238
10.1.1光環之下的陰影：對模型能力的過度依賴238
10.1.2精雕細琢的挑戰：提示詞本身的局限性239
10.1.3摸著石頭過河：提示工程過程的挑戰241
10.1.4不容忽視的警鐘：安全性和倫理問題241
10.2提示詞和提示工程的發展趨勢和可預見的成果242
10.2.1克服現有挑戰：從脆弱走向魯棒，從黑盒走向透明242
10.2.2增強模型能力：從單一走向多模態，從理解走向創造244
10.2.3拓展應用邊界：從特定領域走向通用人工智能，重塑人機交互的未來244
10.3本章小結245
結語：DeepSeek數據分析之旅的終點與起點247
