- 综合排序
- 最热优先
- 最新优先
- 来自专栏嵌入式音视频
【AI】数据分析-数据可视化模块
NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等。 Numpy 是 Python 语言在科学计算领域取得成功的关键之一，如果想通过 Python 语言学习数据科学、人工智能（包括深度学习、语言处理等分支），就必须学习 Numpy。
95320编辑于 2023-03-16 - 来自专栏Dance with GenAI
AI数据分析：集中度分析和离散度分析
在deepseek中输入提示词： 你是一个Python编程专家，要完成一个Python脚本编写的任务，具体步骤如下： 读取Excel表格："F:\AI自媒体内容\AI行业数据分析\toolify月榜\toolify2023 2列第21行-31行； 然后按照上面的计算步骤一直计算到第15列第21行-31行； 计算第2列第1行（设为数据起点）到第15列第1行（设为数据终点）数据组的简单年均增长率，写入第16列第1行，然后计算第 2行，第3行数据，一直计算到第20行； 计算第2列第1行（设为数据起点）到第15列第1行（设为数据终点）数据组的复合年均增长率，然后计算第2行，第3行数据，一直计算到第20行； 注意：每一步都输出信息到屏幕 但是代码要整合在一起 计算复合年均增长率的时候，年数n是固定值:13 源代码： import pandas as pd import numpy as np # 读取Excel文件 file_path = "F:\\AI 自媒体内容\\AI行业数据分析\\toolify月榜\\toolify2023年-2024年月排行榜汇总数据.xlsx" df = pd.read_excel(file_path) # 计算第2列到第15
34610编辑于 2024-06-24 - 来自专栏山行AI
PandasAI——让AI做数据分析
前言 PandasAI是一款数据分析领域的ChatGPT应用，本文对原项目进行翻译旨在进行知识科普和梳理。 这个项目的github地址为：https://github.com/gventuri/pandas-ai PandasAI Pandas AI 是一个 Python 库，它为 Pandas（一款流行的数据分析和操作工具 它使 Pandas 具有对话能力，允许你向你的数据以 Pandas DataFrame 的形式提问并获得答案。 隐私和安全 为了生成运行的 Python 代码，我们取 dataframe 的head，将其随机化（对敏感数据使用随机生成，对非敏感数据进行打散）并只发送head。 PandasAI对象 我们主要关注一下它的run方法： 环境变量 由于需要借助LLM（大模型）的能力进行分析结果生成，这里需要设置LLM的API key。
2.3K40编辑于 2023-06-14 - 来自专栏Dance with GenAI
AI数据分析：根据Excel表格数据进行时间序列分析
ChatGPT中输入提示词： 你是一个Python编程专家，要完成一个Python脚本编写的任务，具体步骤如下： 读取Excel表格："F:\AI自媒体内容\AI行业数据分析\toolify月榜\toolify2023 年-2024年月排行榜汇总数据.xlsx" 用matplotlib绘制一个折线图： X轴为单元格B1到单元格O1的表头； Y轴为第1行到第20行的数据，标签为：月访问量； 用每个单元格A2到A21对应的数据绘制折线图 自媒体内容\AI行业数据分析”，图片标题为：2023年Top20 AI应用近一年的发展趋势； 显示图片； 注意：每一步都输出信息到屏幕 源代码： import pandas as pd import matplotlib.pyplot 自媒体内容\AI行业数据分析\toolify月榜\toolify2023年-2024年月排行榜汇总数据.xlsx' try: df = pd.read_excel(file_path) print("Excel 应用近一年的发展趋势') plt.xlabel('月份') plt.ylabel('月访问量') plt.legend() # 保存图片 output_dir = r'F:\AI自媒体内容\AI行业数据分析
54010编辑于 2024-06-24 - 来自专栏喔家ArchiSelf
AI 驱动的数据分析：Data Agent
此外，还出现了许多强调数据目录的数据治理解决方案。而今，我们有了更多的工具，强调了与传统数据分析不同的软件工程原则。 那么，AI会应用到数据分析领域的哪些方面呢？ 如果没有AI辅助的数据建模和数据治理，整个方案很可能会失败。 2.1 精确分析 对数据建模的重新强调似乎令数据分析领域形成了闭环。 AI的能力几乎可以即时访问数据并获得新的见解。这种能够精确得到人们所需要的东西的能力称之为 “精确分析”。“有了这么多可能的数据和度量的组合，精确分析允许AI根据用例对数据进行正确的转换。 这些原型允许AI系统建立护栏，并提高 RAG 的精度。 3. AI 驱动的数据分析 我们能够利用AI来解决数据领域的一些基本问题。 AI驱动数据分析的收益 那么，谁能从这样的AI解决方案中受益呢？ 主要受益者是数据团队和业务用户 (即数据使用者)。
2.4K11编辑于 2025-03-17 AI数据投毒技术详解与风险分析
什么是AI投毒？一位计算机科学家为您解释投毒这个词通常与人体和自然环境相关。但它也日益成为人工智能（AI）领域中的一个问题——尤其是对于像ChatGPT和Claude这样的大型语言模型。 事实上，某中心AI安全研究所、艾伦图灵研究所和Anthropic本月早些时候发布的一项联合研究发现，仅需将250个恶意文件插入模型训练数据中的数百万文件里，就能秘密地“毒害”模型。 那么，究竟什么是AI投毒？它带来了哪些风险？什么是AI投毒？一般而言，AI投毒指的是故意向AI模型传授错误知识的过程。其目的是污染模型的知识或行为，导致其表现不佳、产生特定错误或展现出隐藏的恶意功能。 例如，2023年3月，某机构在发现一个漏洞短暂暴露了用户的聊天标题和一些账户数据后，短暂地将ChatGPT下线。有趣的是，一些艺术家已将数据投毒用作一种防御机制，以对抗未经许可抓取其作品的AI系统。 这确保了任何抓取其作品的AI模型都会产生扭曲或无法使用的结果。所有这些都表明，尽管围绕AI的宣传沸沸扬扬，但这项技术远比看上去的更为脆弱。
45210编辑于 2026-01-18AI数据分析仪设计原理图：RapidIO信号接入 平板AI数据分析仪
1 、概述本仪器是一款面向工业控制、新能源、震动测量等业务开发的平板AI数据分析仪。基于 Jetson Orin Nano（AI边缘计算）、实现RapidIO接口数据接入，进行AI分析。 RapidIO支持低延时、高带宽数据输入。 图1 产品外观参考2 、原理框图图2 原理框图3、技术指标主处理器AI性能67 TOPSGPU搭载 32 个 Tensor Core 的 1024 核 NVIDIA Ampere 架构 GPUGPU最大频率 100% 线速数据捕获；支持震动，电力信号的4路RapidIO方式接入软件功能实时分析， 过滤和触发物理性能几何尺寸加固平板设计工作温度范围IP54防护，支持-20℃-60℃宽温工作重量电池工作 北京太速科技标签 : AI数据分析仪, 平板数据分析仪, 数据分析仪, AI边缘计算, 高带宽数据输入
14010编辑于 2025-10-27- 来自专栏PPV课数据科学社区
AI时代就业指南 | 如何入门数据分析&数据挖掘？
数据分析和数据挖掘联系和区别 联系：都是搞数据的 区别：数据分析偏统计，可视化，出报表和报告，需要较强的表达能力。数据挖掘偏算法，重模型，需要很深的代码功底，要码代码，很多= =。 怎么入门 请百度“如何成为一名数据分析师”或者“如何成为一名数据挖掘工程师”。英文好上Quora，不行上知乎，看看入门资料。 3. 需要学数学吗 都需要 数据分析：统计学，概率论， 数据挖掘：高数/数学分析，数值分析，线性代数，凸优化，运筹学（这些是基本）数字信号处理，模式识别，矩阵论（进阶） 6. 到底该选数据分析还是数据挖掘 代码能力强直接搞算法，弱就先做数据分析，慢慢来，不着急。 所有数据分析类的岗位要求里写的要求会GA，pu，uv分析的都是运营部门的！所有数据挖掘岗位里写的要求只有hadoop，spark，ETL的干的都是数据仓库的活！
1.6K60发布于 2018-04-24 AI数据分析全攻略：如何利用AI工具提升数据洞察力
在当今数字化时代，AI 数据分析愈发重要，它助力我们从海量数据中挖掘有价值的信息。而掌握 AI 数据分析基础、运用各类工具与技术以及实现数据洞察与决策支持，是我们在这一领域取得成效的关键。 一、 AI数据分析基础1.1 AI数据分析概述1.1.1 数据分析的定义与重要性数据分析是指通过统计方法、数据挖掘技术、信息处理和人工智能等手段，对大量数据进行收集、整理、处理和分析，以提取数据中的有价值信息的过程 结果解释：AI可以帮助解释模型的预测结果，提高模型的可解释性。此外AI还可以进行异常检测、关联分析等操作，发现数据中的隐藏模式。优势相比于传统数据分析方法，AI在数据分析中具有以下优势：1. 自动化：AI可以自动完成数据预处理、特征工程、模型构建等操作，提高数据分析的效率。2. 高效性：AI可以快速处理大量数据，提高数据分析的速度。3. 以下是几个具体案例分析，展示AI数据分析在实际决策中的应用效果。
1.3K10编辑于 2025-10-09- 来自专栏机器学习
AI Excel 分析教程：智能化表格数据处理与分析
AI Excel 分析的原理2.1 传统 Excel 数据分析的痛点在日常办公中，Excel 是不可或缺的数据分析工具，广泛用于财务、市场营销、供应链管理等领域。 2.2 AI 如何帮助 Excel 数据分析AIGC 技术可以通过 机器学习与自然语言处理（NLP） 自动分析 Excel 数据，生成智能化的分析报告和优化建议。 趋势预测：结合机器学习模型（如 ARIMA、LSTM）或 AI 语言模型（如 GPT-4）分析数据的变化趋势。 智能报告生成：基于 AI 语言模型，将数据分析结果转换为易懂的文字报告。 解析并展示数据。 调用 AI 进行分析，并返回文本报告。 3. 总结本教程详细介绍了 AI Excel 分析 的原理，并提供了 完整代码，实现了数据解析、AI 分析、报告生成及 Web 交互界面。该工具适用于 财务、销售、市场分析 等领域，可极大提升数据处理效率。
3.6K10编辑于 2025-03-28 - 来自专栏Dance with GenAI
AI数据分析：根据Excel表格数据绘制柱形图
自媒体内容\books.xlsx"的第二个工作表：Sheet2， 用matplotlib绘制一个柱状图： 获取C1单元格到C8单元格的内容作为x轴的数据。 获取G1单元格到G8单元格的内容作为y轴的数据。 绘制y轴上的虚线网格。 设置x轴标签为“年份”。 设置y轴标签为“线上销售额（元）”。 设置图表的标题为“2013-2019年线上图书销售额分析图”。 x_data = df.iloc[0:8, 2].values # C列的数据，从第二行到第八行 y_data = df.iloc[0:8, 6].values # G列的数据，从第二行到第八行 # ) # 设置x轴和y轴标签 ax.set_xlabel('年份') ax.set_ylabel('线上销售额（元）') # 设置图表标题 ax.set_title('2013-2019年线上图书销售额分析图
1K10编辑于 2024-06-24 - 来自专栏CreateAMind
AI分析维度
数据获取方式 人工标注，or 自然方式（摄像头，麦克风） 数据类型： 是否多模态， 序列数据 ，视频，语音 是否抽象过：raw原始sensor视频或语音，or 抽象过：高级语义变量，语言单词（GPT
30130编辑于 2023-09-01 企业级 AI 数据分析“专家”——Data Agent 推动数据分析民主化
前言：当数据分析遇上 AI，Data Agent 为何成为新焦点？ 作为连接用户需求与数据系统的“智能中介”，它不仅能理解自然语言指令，更能自动完成数据查询、关联分析、根因定位、可视化呈现等复杂任务，成为企业数据分析的“AI 专家”。 据 IDC 预测，到 2026 年，将有 50% 的中国 500 强数据团队使用 AI Agent来实现数据准备和分析。 更关键的是，报告内容并非简单的数据堆砌，而是基于 AI 的“业务视角解读”，整合趋势、对比、归因结论，包含数据结果查询、异常发现、归因、对比与改善措施建议的结构化内容，将数据洞察转化为可执行的业务动作。 总结：Data Agent——企业级 AI 数据分析的“专家级伙伴”在 Data Agent 加速渗透企业级市场的趋势下，核心需求已从“能查数据”升级为“能懂业务、能解决问题、能驱动决策”。
45710编辑于 2025-11-17- 来自专栏AI.NET极客圈
WrenAI：AI时代的数据分析利器深度剖析
官方网站强调，它能让分析速度提升10倍，同时保持数据安全。 比如，在营销中分析广告效果，或在制造中监控生产趋势。但要注意，在敏感数据上需配置访问控制。 在AI领域混迹多年，我见过无数数据工具，从传统BI到现在的生成式AI，但WrenAI让我眼前一亮。 官网宣称，它能让分析时间缩短90%，每月节省20+小时。从我测试看，在中等数据集上确实高效。 另一个有趣的：汽车库存管理，非技术用户问“库存周转率”，即时优化库存，会变成静态仪表为动态AI进行分析，但准确率依赖模型。 未来展望 WrenAI代表AI数据工具趋势，未来可能与更多SaaS集成t。如果你是AI爱好者，值得玩玩，但它不是万能，但能让数据分析工作变得更加智能和灵活。
1.2K10编辑于 2025-10-20 datawhale AI+数据分析 task3、4
修改提示词让ai理解sheet1和sheet2分别是一群和二群感兴趣的主题统计，数字分别代表一种活动。 总结小浣熊在给出对表的解释和要分析的指标后可以正常分析数据特征，要避免出现对操作的模糊性描述，尽量客观指出要分析的数据以及如何分析。 task4日常使用ai对数据分析（根据公选课评价表格选出适合自己的公选课）提示词如下：这是一些课程的评价表格。给我推荐一些好老师和其公选课，分析指标包括对老师上课的评价。 将重要的数据关系用图表展示，并以此达成我们的目标。总结提示词可以分为主要三部分，对数据的解释、数据分析指标和研究目标。其他是否使用图表展示可有可无。 确定好主要的三部分内容的提示词，ai可以生成较好的数据分析。
13810编辑于 2025-08-27Agent Skills 在 AI 数据分析中的应用
在这一概念普及之前，AI 往往因为“能力孤岛”而导致诸多业务场景难以落地：尤其是逻辑多变的规则校验或深度数据分析时，常因缺乏行业上下文和特定工具链的支持，出现幻觉或无法执行闭环任务。 此外，能力的不可复用和难以追溯，使得 AI 很难真正进入高要求的生产环境简单、敏捷、可追溯： 编写业务垂类 Agent，素材制作、需要分析、测试、线上问题分析、运营数据分析、实验数据分析、AI驱动规则校验多 商业化数据分析背景 面向广告投放业务的智能数据分析平台，通过参数化脚本将自然语言查询转换为安全可控的数据分析任务，支持多维度下钻、实时指标监控和异常归因分析。 多维度数据下钻：支持按时间、地域（国家）、广告位、场景、实验桶等维度进行聚合分析，满足「为什么某个时段/地区的收入下降？」「哪个广告位转化率最高？」等常见业务问题。 实时监控与对比分析：支持同比、环比数据对比（如「今天 vs 昨天」「本周 vs 上周」），帮助业务人员快速识别趋势变化。
1.1K74编辑于 2026-01-31- 来自专栏Dance with GenAI
AI数据分析：根据时间序列数据生成动态条形图
在chatpgt中输入提示词： 你是一个Python编程专家，要写一个Python脚本，具体步骤如下： 读取Excel文件内容："F:\AI自媒体内容\AI行业数据分析\toolify月榜\toolify2023 年-2024年月排行榜汇总数据 - .xlsx" Excel表格的A列为”AI应用”，B列到O列为”AI应用”在每个月份的网站访问月流量 ； 基于表中数据，做一个动态条形竞赛图（Bar Chart Race ），逐月显示”AI应用”的网站访问月流量数据， 按照月份呈现动态变化，标出具体AI应用的名称，以mp4视频文件输出，保存到文件夹：F:\aivideo； 注意：每一步都要输出信息到屏幕上 设置字体为"simhei 自媒体内容\\AI行业数据分析\\toolify月榜\\toolify2023年-2024年月排行榜汇总数据 - .xlsx" print(f"读取Excel文件: {file_path}") data = pd.read_excel(file_path) # 第二步：处理数据 print("处理数据...") data.set_index('AI应用', inplace=True) # 确保列名是字符串
87310编辑于 2024-06-24 AI驱动TDSQL-C Serverless 数据库技术实战营-ai学生选课系统数据分析
，和一句简单描述进行学生选课系统数据分析； 我使用的分析数据是基于学生选课系统，通过构建学生选课数据库表及数据来完成本次试验TDSQL-C serverless产品介绍TDSQL-C云原生数据库 自研引擎 LibraDB 提供高效率的复杂数据分析查询，针对业务系统中包含的复杂 SQL 查询、多维数据读取、实时数据分析等场景提供卓越的性能体验Serverless 服务腾讯云自研的新一代云原生关系型数据库 4、数据科学数据科学家们可使用高性能应用服务 HAI，快速进行数据分析和图标处理。高性能应用服务 HAI 预置了 Notebook、Python 环境，以及主流分析软件。 AI 驱动的数据库 TDSQL-C 学生选课数据分析系统1、试验介绍基于 TDSQL-C Mysql Serverless 快速搭建 AI学生选课数据分析系统，通过 Python 编程语言和基于 Langchain ，这对于数据库系统分析尤为重要。
26400编辑于 2024-09-25- 来自专栏Dance with GenAI
AI数据分析：用deepseek进行贡献度分析(帕累托法则)
在数据分析中，帕累托法则可以用来识别和专注于最具影响力的因素。以下是帕累托分析的基本步骤： 数据收集：首先，收集相关数据，确定你的分析目标。 Python脚本编写的任务，具体步骤如下： 读取Excel文件"F:\AI自媒体内容\AI行业数据分析\poetop50bots中文翻译.xlsx"， 用matplotlib绘制一个柱状图： 从A列“热门 \simhei.ttf 保存图片到文件夹“F:\AI自媒体内容\AI行业数据分析”，图片标题为：poetop50bots贡献度； 显示图片； 注意：每一步都输出信息到屏幕 源代码： import pandas 自媒体内容\AI行业数据分析\poetop50bots中文翻译.xlsx' df = pd.read_excel(file_path) # 提取数据 labels = df['热门bot名称'] sizes ') # 保存图片 image_path = r'F:\AI自媒体内容\AI行业数据分析\poetop50bots贡献度.png' plt.savefig(image_path) # 显示图片 plt.show
1K10编辑于 2024-06-24 AI盛行的今天还有必要学习数据分析吗？
然而，随着AI的广泛应用，人们开始提出一个值得深思的问题：在AI盛行的时代，是否还有必要继续学习数据分析？数据分析作为从海量数据中提取有用信息的一门学科，长期以来一直是商业决策和科学研究的重要工具。 那么，在AI技术日新月异的今天，数据分析的价值是否会被AI取代？我们将通过探讨中国2023年和2024年AI发展的状况，来深入分析在AI盛行的情况下，学习数据分析是否依然必要？ 2. AI盛行情况下学习数据分析的必要性 在AI如潮水般涌进我们的工作和生活中的今天，很多人开始质疑：在AI的高光时刻，传统的数据分析是否还有存在的必要？答案是肯定的。 数据分析不仅仅是AI的基石，更是深刻理解和有效应用AI的钥匙。下面我们将从几个角度探讨为什么在AI盛行的时代，数据分析仍然是一项不可或缺的技能。 没有高质量的数据和深刻的分析，AI的应用将难以真正发挥其潜力。数据分析师通过细致的数据清洗、处理和分析，为AI模型提供了可靠的数据源，使得AI的预测和决策更加准确和可信。
71400编辑于 2024-07-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号