پیش بینی درآمد بزرگسالان و QueryBot

کاری که انجام می دهد

برنامه من برای بازنمایی دانش و تولید بینش از مجموعه داده های ساختاریافته طراحی شده است. تجزیه و تحلیل داده ها را با ارائه ابزارهایی برای پیش پردازش، مهندسی ویژگی و تجسم ساده می کند. این برنامه به دلیل دقت بالای خود از مدل رگرسیون لجستیک برای پیش بینی درآمد استفاده می کند و یک رابط بصری برای نمای کلی و تجسم داده ها ارائه می دهد.

یکی از ویژگی های کلیدی این برنامه، ربات پرس و جو آن است که در ابتدا توسط Google PaLM2 API یکپارچه شده با LangChain پشتیبانی می شود. این راه‌اندازی به کاربران اجازه می‌داد تا از طریق پرس‌و‌جوهای زبان طبیعی با داده‌ها تعامل داشته باشند و آنها را به عملیات داده‌ای عملی تبدیل کند. با این حال، پس از منسوخ شدن PaLM2، مجبور شدم به استفاده از Gemini API (model = gemini-pro) تغییر وضعیت دهم. این انتقال توانایی برنامه را برای رسیدگی موثر به پرسش‌های زبان طبیعی حفظ کرد.

با PandasAI که کوئری‌ها را تفسیر می‌کند و Gemini عملیات داده‌ها را اجرا می‌کند، کاربران همچنان می‌توانند CSV‌های قابل دانلود یا تجسم‌هایی را از جستارهای خود تولید کنند. این ربات پرس و جو دسترسی برنامه را افزایش می دهد و کاربران را قادر می سازد تا بدون نیاز به مهارت های فنی پیشرفته، بینش هایی را از داده های خود بدست آورند. ادغام یکپارچه این ابزارهای پیشرفته هوش مصنوعی تضمین می‌کند که برنامه هم قدرتمند و هم کاربر پسند باقی می‌ماند و راهی کارآمد برای تبدیل زبان طبیعی به بینش‌های مبتنی بر داده‌های عملی است.