کتاب Data Storytelling with Generative AI: Using Python and Altair (داستان‌گویی داده با Altair و هوش مصنوعی مولد: با استفاده از پایتون) به شما کمک می‌کند تا مهارت‌های خود را در زمینه انتقال نتایج اکتشاف و تحلیل داده بهبود ببخشید.
کتاب Data Storytelling with Generative AI مفاهیم نظری و عملی را با هم ترکیب می‌کند تا به شما نشان دهد چگونه با استفاده از پایتون، آلتایر و هوش مصنوعی مولد، داستان‌های داده‌ای جذاب و آموزنده ایجاد کنید. این کتاب برای دانشمندان داده، تحلیلگران و توسعه‌دهندگانی که می‌خواهند با استفاده از ابزارهای قدرتمند پایتون و هوش مصنوعی، داده‌های خود را به داستان تبدیل کنند، مناسب است.
در ادامه مقدمه‌ای از کتاب Data Storytelling with Generative AI را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Data Storytelling with Generative AI:
از زمان‌های قدیم، انسان‌ها برای انتقال ارزش‌ها و ارتباط با همنوعان خود داستان‌ها را روایت کرده‌اند. قدرت یک داستان بسیار زیاد است. این شامل کسانی است که گوش می‌دهند و کسانی را که می‌گویند هیجان‌زده می‌کند. بین راوی و شنونده پیوند بسیار قوی برقرار می‌شود که فراتر از محتوای خود داستان است. به همین دلیل، هر داستان‌گو باید مخاطبان خود را بشناسد و داستان‌ها را با توجه به ارزش‌ها، سنت‌ها و فرهنگ مخاطبان خود تطبیق دهد.
قدرت یک داستان مبتنی بر داده باید حتی قوی‌تر باشد زیرا در شواهد ارائه شده توسط داده‌ها لنگر انداخته است. باور نکردن داستانی مبتنی بر داده غیرممکن است.
شخصاً، من همیشه عاشق داستان‌ها بوده‌ام، اگرچه راستش را بخواهید، وقتی کوچک بودم، مادرم داستان‌های زیادی برایم تعریف نمی‌کرد. این مادربزرگم بود که داستان‌های باستانی شخصیت‌های خیالی را برایم تعریف می‌کرد – حتی برخی ترسناک – که تخیل کودکی مرا برای خلق دنیایی کاملاً جدا دعوت می‌کردند. من همیشه به داستان‌ها علاقه داشته‌ام و از زمانی که بسیار جوان بودم شروع به نوشتن آن‌ها کردم. اولین داستان خود را که در هفت سالگی نوشته بودم به یاد دارم. در طول سال‌ها، من همچنان به نوشتن داستان‌های کوتاه، شعرها و رمان‌های کوتاه ادامه داده‌ام.
بیش از 15 سال پیش، ماجرای خود را در توسعه نرم‌افزار و علوم داده کاربردی در تحقیق و آموزش دانشگاهی دانشجویان آغاز کردم. من عاشق داده‌ها و افرادی که پشت آن هستند شدم، همچنین اشتیاق زیادی به توسعه نرم‌افزار داشتم. در عین حال، من همچنان در لحظات کوتاهی که برای اختصاص دادن به سرگرمی‌ها و علاقه‌های خود پیدا می‌کردم، به نوشتن داستان‌ها، شعرها و داستان‌های کوتاه ادامه می‌دادم.
سپس، چند سال پیش، به لطف رئیس من، آندره مارچتی، یک جرقه نابغه داشتم. من هرگز از تشکر از او برای کمک به ترکیب داده‌ها با داستان‌ها خسته نخواهم شد. از این کشف، اشتیاق من برای داستان‌گویی داده متولد شد.
به روش کوچک خود، من همان تجربه‌ای را داشتم که استیو جابز داشت، که وقتی جوان بود، هنر خوشنویسی را در یک دوره دانشگاهی یاد گرفته بود و سپس آن را کنار گذاشته بود. ده سال بعد، همه چیز به او بازگشت: جابز اولین مکینتاش را طراحی کرد و از اطلاعاتی که در کلاس خوشنویسی آموخته بود برای طراحی اولین کامپیوتر با تایپوگرافی زیبا استفاده کرد.
جابز گفت: “شما نمی‌توانید با نگاه به جلو نقطه‌ها را به هم وصل کنید. شما فقط می‌توانید آن‌ها را با نگاه به عقب وصل کنید. بنابراین باید به این اعتماد داشته باشید که نقطه‌ها به نوعی در آینده شما به هم متصل خواهند شد.” (گزیده از سخنرانی جابز در 12 ژوئن 2005، برای فارغ‌التحصیلان اخیر دانشگاه استنفورد.) و این اتفاق برای من هم رخ داد: من اشتیاق خود را برای داده با اشتیاق خود برای داستان‌ها ترکیب کردم.
امید من این است که شما نیز بتوانید نقطه‌های خود را به هم وصل کنید و با خواندن این کتاب، ایده‌هایی برای برخورد با کار روزانه خود به روش جدید و هیجان‌انگیزی پیدا کنید.
درباره کتاب Data Storytelling with Generative AI
من کتاب “داستان‌گویی داده با Altair و هوش مصنوعی” را نوشتم تا به شما در بهبود مهارت‌های خود در برقراری ارتباط با اکتشاف داده‌ها و نتایج تحلیل کمک کنم. اگرچه ابزارهای زیادی برای ساخت داستان‌های داده‌ای مانند Tableau و Power BI وجود دارد، اما نیاز به دانشمندان داده پایتون برای ساخت داستان‌ها مستقیماً با استفاده از زبان برنامه‌نویسی مورد علاقه خود وجود دارد.
در واقع، اگر تمام اکتشاف و تحلیل داده‌ها را در پایتون انجام دهند، طبیعی است که نتایج داده‌ها را با استفاده از همان زبان برنامه‌نویسی ارتباط دهند. این کتاب مفاهیم نظری مانند داده‌ها، اطلاعات، دانش، هرم خرد و عمل (پایتون، آلتایر و هوش مصنوعی مولد) را برای آگاه کردن شما از پتانسیل داستان‌گویی داده در حین برنامه‌نویسی ترکیب می‌کند.
چه کسانی باید کتاب Data Storytelling with Generative AI را بخوانند؟
“داستان‌گویی داده با Altair و هوش مصنوعی” برای دانشمندان داده یا تحلیلگران و توسعه‌دهندگان پایتون است که می‌خواهند موضوع داستان‌گویی داده را یاد بگیرند. هم مبتدیان و هم “پایتونیست‌های” باتجربه یاد خواهند گرفت که از پایتون و هوش مصنوعی مولد برای داستان‌گویی داده استفاده کنند. اگرچه بسیاری از پست‌های وبلاگ و منابع آنلاین وجود دارد، اما این کتاب مفاهیم را به تدریج سازماندهی می‌کند تا خواننده بتواند پس از جذب مفهوم قبلی، شروع به یادگیری مفهوم جدید کند.
نحوه سازماندهی کتاب Data Storytelling with Generative AI: یک نقشه راه
این کتاب شامل سه بخش است که 11 فصل و 3 ضمیمه را پوشش می‌دهد. فصل‌های 1 تا 4 موضوع را معرفی می‌کنند و منطق دنبال شده در کتاب Data Storytelling with Generative AI را توضیح می‌دهند: نحوه ترکیب داستان‌گویی داده، هرم DIKW، آلتایر و هوش مصنوعی مولد.
فصل 5 کتاب Data Storytelling with Generative AI به عمق هرم DIKW می‌پردازد و فصل‌های 6 تا 9 هر مرحله از هرم DIKW را به صورت پیشرونده تحلیل می‌کنند. فصل 10 برخی از ملاحظات عملی برای استفاده صحیح از هوش مصنوعی مولد را در نظر دارد. سرانجام، در فصل 11، خواهید دید که چگونه داستان خود را منتشر کنید.
بخش اول کتاب Data Storytelling with Generative AI موضوع داستان‌گویی داده و ابزارهای مورد استفاده برای پیاده‌سازی آن را معرفی می‌کند: پایتون آلتایر، هوش مصنوعی مولد و هرم داده، اطلاعات، دانش، خرد (DIKW):
- فصل 1 مفاهیم داستان‌گویی داده و هرم DIKW را معرفی می‌کند و توضیح می‌دهد که چرا باید از آن‌ها برای برقراری ارتباط با بینش‌های استخراج شده در طول اکتشاف و تحلیل داده استفاده کنید.
- فصل 2 کتاب Data Storytelling with Generative AI، مفاهیم فنی اساسی را توصیف می‌کند که شما را قادر می‌سازد اولین داستان داده خود را با استفاده از هرم DIKW، آلتایر و هوش مصنوعی مولد بنویسید.
- فصل 3 بحث را در مورد آلتایر و وگا و همچنین وگا-لایت، دستور زبان‌های بصری سازی داده پشت آلتایر عمیق‌تر می‌کند.
- فصل 4 مفاهیم اساسی پشت هوش مصنوعی مولد و نحوه استفاده از آن برای داستان‌گویی داده را مورد بحث قرار می‌دهد.
بخش دوم کتاب Data Storytelling with Generative AI مفاهیمی را که در بخش اول آموخته‌اید عمیق‌تر می‌کند و از هرم DIKW به عنوان یک خط راهنما برای ساخت داستان داده خود استفاده می‌کند:
- فصل 5 هرم DIKW را از طریق یک مطالعه موردی عملی بررسی می‌کند و پایه‌های فصل‌های بعدی را بنا می‌کند.
- فصل 6 بر پایین‌ترین سطح هرم DIKW تمرکز دارد و نحوه تبدیل داده‌ها به اطلاعات را مورد بحث قرار می‌دهد. همچنین نحوه ساخت محبوب‌ترین نمودارها در آلتایر مانند نمودارهای ستونی، نمودارهای خطی، نمودارهای دایره‌ای و نقشه‌های جغرافیایی را نشان می‌دهد.
- فصل 7 کتاب Data Storytelling with Generative AI مرحله بعدی هرم DIKW را نشان می‌دهد: نحوه تبدیل اطلاعات به دانش. در این فصل نحوه استفاده از ChatGPT برای ساخت یک زمینه متنی و درج آن به عنوان یک حاشیه‌نویسی یا یک تفسیر برای نمودار پایه در پایین هرم را توضیح می‌دهد.
- فصل 8 روند تبدیل اطلاعات به دانش را ادامه می‌دهد. اما در این مورد، تمرکز بر زمینه بصری است. این فصل نحوه استفاده از DALL-E برای ساخت تصاویر برای درج در نمودار را توضیح می‌دهد.
- فصل 9 با توصیف نحوه تبدیل دانش به خرد، به بالای هرم DIKW می‌رسد. این فصل مفهوم گام‌های بعدی و نحوه استفاده از ChatGPT برای پیشنهاد گام‌های بعدی ممکن در داستان خود را مورد بحث قرار می‌دهد.
بخش سوم کتاب Data Storytelling with Generative AI در مورد کاری که باید پس از آماده شدن داستان داده خود انجام دهید، با تمرکز بر جنبه‌های اخلاقی که هنگام برخورد با هوش مصنوعی مولد باید در نظر بگیرید و توصیف تکنیک‌های مختلف برای انتشار داستان داده نهایی، بحث می‌کند:
- فصل 10 مشکلات ناشی از استفاده از هوش مصنوعی مولد مانند تعصب و توهمات را منعکس می‌کند. همچنین برخی از راه‌حل‌های ممکن برای مشکلات هنگام اعمال آن در داستان‌گویی داده را توصیف می‌کند.
- فصل 11 کتاب Data Storytelling with Generative AI، روش‌های مختلفی را برای انتشار یک داستان داده پیشنهاد می‌کند، بر اساس Streamlit، یک فریمورک پایتون برای ساخت برنامه‌های وب؛ Tableau؛ Power BI؛ و Comet، یک پلتفرم آزمایش برای یادگیری ماشین.
کتاب Data Storytelling with Generative AI همچنین شامل سه ضمیمه است:
- ضمیمه A نیازمندی‌های فنی برای راه‌اندازی محیط را توصیف می‌کند، مانند نحوه نصب پایتون و کتابخانه‌های استفاده شده در کتاب.
- ضمیمه B مروری بر کتابخانه pandas با تمرکز بر DataFrame و توابع استفاده شده در کتاب ارائه می‌دهد.
- ضمیمه C برخی از نمودارهای رایج بصری‌سازی داده و پیاده‌سازی آن‌ها در پایتون آلتایر را توصیف می‌کند.
دو استراتژی ممکن برای استفاده هنگام خواندن کتاب Data Storytelling with Generative AI وجود دارد:
- آن را از ابتدا تا انتها بخوانید. با این استراتژی، مفاهیم را به تدریج یاد خواهید گرفت و راهنمایی خواهید شد تا مفاهیم قبلاً آموخته شده را تقویت کنید و فصل به فصل مفاهیم جدید را یاد بگیرید.
- بخش 1 را بخوانید و سپس آنچه را که در بخش 2 نیاز دارید انتخاب کنید. در نهایت، محتوای مرتبط برای پروژه‌های خود را در بخش 3 استخراج کنید.
در طول کتاب Data Storytelling with Generative AI، هفت مطالعه موردی را پیاده‌سازی خواهید کرد، یکی در هر فصل در بخش 1 (چهار مطالعه موردی)، دو مورد در فصل 5 و یکی در طول فصل‌های 6 تا 9. همچنین تمرین‌ها و چالش‌هایی خواهید یافت که شما را دعوت می‌کنند تا مفاهیم آموخته شده را در عمل قرار دهید.
تمرین‌ها اختیاری هستند، بنابراین می‌توانید آن‌ها را نادیده بگیرید. اغلب، تمرین‌ها از شما می‌خواهند که موارد استفاده پیاده‌سازی شده را تغییر دهید، در حالی که چالش‌ها شما را دعوت می‌کنند تا سناریوها را متفاوت ببینید. می‌توانید تمام راه‌حل‌های تمرین‌ها را در مخزن GitHub کتاب پیدا کنید.
سرفصل‌های کتاب Data Storytelling with Generative AI:
- copyright
- contents
- Data Storytelling with Altair and AI
- dedication
- preface
- acknowledgments
- about this book
- about the author
- about the cover illustration
- Part 1 Introducing Altair and generative AI to data storytelling
- 1 Introducing data storytelling
- 2 Running your first data story in Altair and GitHub Copilot
- 3 Reviewing the basic concepts of Altair
- 4 Generative AI tools for data storytelling
- Part 2 Using the DIKW pyramid for data storytelling
- 5 Crafting a data story using the DIKW pyramid
- 6 From data to information: Extracting insights
- 7 From information to knowledge: Building textual context
- 8 From information to knowledge: Building the visual context
- 9 From knowledge to wisdom: Adding next steps
- Part 3 Delivering the data story
- 10 Common issues while using generative AI
- 11 Publishing the data story
- appendix A Technical requirements
- appendix B Python pandas DataFrame
- appendix C Other chart types
جهت دانلود کتاب Data Storytelling with Generative AI می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.