用家用电脑建设网站,WordPress mip,wordpress添加ico,合肥餐饮网站建设文章目录 前言九章云极#xff08;DataCanvas#xff09;介绍前期准备样例数据集体验1. 样例数据集-Airbnb民宿价格评价 体验1.1 体验一1.2 体验二 教育数据的分析#xff08;TableAgentChatGLM对比#xff09;1. 上传文件2. 数据分析与对比2.1 分析一2.1.1 Tabl… 文章目录 前言九章云极DataCanvas介绍前期准备样例数据集体验1. 样例数据集-Airbnb民宿价格评价 体验1.1 体验一1.2 体验二 教育数据的分析TableAgentChatGLM对比1. 上传文件2. 数据分析与对比2.1 分析一2.1.1 TableAgent与ChatGLM柱状图展示2.1.2 TableAgent与ChatGLM分析对比2.1.3 结论对比 2.2 分析二2.2.1 TableAgent与ChatGLM柱状图展示2.2.2 TableAgent与ChatGLM分析对比2.2.3 结论对比 2.3 分析三2.3.1 TableAgent与ChatGLM柱状图展示2.3.2 TableAgent与ChatGLM分析对比2.3.3 结论对比 总结 前言
在当今数据驱动的时代有效管理和处理大规模数据变得至关重要。面对这一挑战九章云极DataCanvas推出了其革命性的产品——TableAgent数据分析智能体标志着数据处理和分析进入了一个新的时代。在这篇博文中我们将深入探讨 TableAgent 如何为教育数据分析提供前所未有的便利和效率。
TableAgent 不仅仅是一个数据处理工具它是一个全面的解决方案旨在简化复杂的数据工作流程。无论是数据的采集、存储、处理还是分析TableAgent 都能以其先进的技术和直观的操作界面提供卓越的支持。这使得即使是最复杂的数据任务也变得简单易行极大地提升了数据处理的效率和准确性。
在接下来的文章中我们将通过对教育数据的分析进行深入探讨 TableAgent 的核心特性、应用场景。
九章云极DataCanvas介绍
数字化时代数据分析的重要性犹如空气般无处不在。九章云极DataCanvas公司自主研发的TableAgent数据分析智能体是建立在DataCanvas Alaya九章元识大模型之上它为企业提供了强大的私有化部署能力。Alaya元识大模型为TableAgent提供了关键性的技术支持。这些模型通过协同工作能够完成复杂的分析任务。
TableAgent具有出色的意图理解能力、分析建模能力和洞察力。在充分理解用户意图后TableAgent能够自主地利用统计科学、机器学习、因果推断等高级建模技术从数据中挖掘价值。同时TableAgent还能提供深刻的分析观点和指导行动的见解使每个人都能成为高级数据分析师。
此外TableAgent支持企业级数据分析无论是大规模还是高性能的需求都能满足。它还支持领域微调可以实现专业化的数据分析。在保证数据安全的同时TableAgent实现了会话式数据分析满足了所需即所得的需求。值得一提的是TableAgent提供了透明化的过程方便审计监督。
TableAgent的发布让人人都是数据分析师从梦想照进现实。
TableAgent具有以下特点
会话式数据分析所需即所得私有化部署数据安全支持企业级数据分析大规模、高性能支持领域微调专业化透明化过程审计监督 前期准备
注册账号可以点击链接前往注册这里只需要通过手机号验证码就可以直接注册无需乱七八糟的填写。目前注册完成每天可以免费使用5次如果不够的还可以申请认证一下认证通过就可以每天体验15次啦。
样例数据集体验
1. 样例数据集-Airbnb民宿价格评价 体验
目前在在TableAgent上有多个样例数据集Airbnb民宿价格评价、swiggy外卖平台数据、银行客户流失预警、全球大学排名信息、全球大城市人口2022-2023、电影点评、咖啡馆商品信息、某平台商品订单记录、Top250连锁餐饮的销售数据来供大家使用去体验。下面我们就选择Airbnb民宿价格评价这个样例数据集去先体验一下。
1.1 体验一
首先我先根据提示提问了 我准备全家去东南亚旅行我每天的预算在200500美元之间需要36个床位目的地是Thailand和Malaysia去哪更划算呢帮我画个图比较下性价比哈。 TableAgent正确的画出了柱状图并给出最后的结论 总的来说如果预算有限您可能更倾向于选择Malaysia因为每个房源的价格相对较低。但请注意床位数可能是影响价格的关键因素所以如果床位数是您的重要考虑因素您可能需要在Thailand选择6床位的房源。 1.2 体验二
接着我问了 我准备冬季去海南旅行预算200~400人民币之间需要两个床位有哪些性价比高的民宿给出数据对比图 然后TableAgent两轮尝试之后并没有给出答案后续我查看了一下当前的数据集中不包含中国城市包含的国家城市如下图这里大家实验的时候要注意。
后续又根据TableAgent推荐的问题进行了部分尝试也都能够正常的给出答案和数据图。也能够打开详情看到TableAgent进行数据分析以及代码操作十分直观。
教育数据的分析TableAgentChatGLM对比
1. 上传文件
首先我们将昌平区各校平台数据.csv上传到两个平台。 注意 目前线上的TableAgent版本仅支持CSV格式的数据文件。cvs文件大小不要超过5M。 上传成功后会在对话中看到成功加载。并可以打开详情查看数据表。 数据集包含以下内容 区域学校所在的区域 学校学校的名称 是否公立学校学校是否为公立学校 学生年级学生所在的年级 一对一辅导人数参与一对一辅导的学生人数 学生提问人数提交提问的学生人数 一对多辅导人数参与一对多辅导的学生人数 微课观看人数观看微课的学生人数 总参与人数参与各种活动包括一对一辅导、提问、一对多辅导和微课观看的学生总人数 发起一对一辅导次数发起的一对一辅导次数 提问数提交的提问数量 参与互动课堂次数参与互动课堂的次数 微课观看次数观看微课的次数 参与总次数参与各种活动包括一对一辅导、提问、一对多辅导、互动课堂和微课观看的总次数 年级人数各年级的学生人数 参与率参与各种活动的学生占年级总人数的百分比 人均参与次数每个学生平均参与活动的次数 校均参与次数各学校平均参与活动的次数 各校累计参与情况9.01–各学校从9月1日到当前日期的累计参与情况百分比
2. 数据分析与对比
需求一首先我们想通过数据集分析得出平台参与率前五的学校可以通过参与率对学校进行更加细致化的推广平台。
2.1 分析一 问数据集中共有多少所学校参与人数是多少帮我把各个学校简单分析解读一下参与人数最高的5个学校画个图看看 2.1.1 TableAgent与ChatGLM柱状图展示
TableAgent: ChatGLM:
2.1.2 TableAgent与ChatGLM分析对比
TableAgentChatGLM分析对比
2.1.3 结论对比
TableAgentChatGLM结论1. 数据集中共有60所学校。这些学校的参与人数总和为260。2. 从这些数据中我们可以看到参与人数最多的学校是北京市第一六一中学回龙观学校该学校的参与人数为37其次是北京市昌平区西府冠华学校参与人数为26。第三名是北京市昌平区亭自庄学校参与人数为23。第四名是北京市昌平区第二中学参与人数为12。第五名是某学校参与人数为9。3. 从图中可以看出北京市第一六一中学回龙观学校的参与人数最多其次是北京市昌平区西府冠华学校第三名是北京市昌平区亭自庄学校第四名是北京市昌平区第二中学第五名是某学校。这可能与这些学校的地理位置、学校规模、学校设施等因素有关。同时也可能与这些学校的教学内容、教学方法等因素有关以吸引更多的学生参与1. 数据集中共有 60 所学校。2. 数据集中共有 260 名学生参与了活动。3. 北京市昌平区上地实验学校参与人数为 62北京市上地实验学校中学部参与人数为 52北京市海淀实验中学中学部参与人数为 40北京市海淀实验中学小学部参与人数为 38北京市上地实验学校小学部参与人数为 36。
需求二我们想通过数据集分析得出每个学校每个年级一对一辅导的参与率最终得出哪个年级的参与率最高从而加强该年级的师资投入。
2.2 分析二 问分析每个年级的一对一辅导参与人数并进行排序并最终汇总给出哪个年级参与人数最高并画出图 2.2.1 TableAgent与ChatGLM柱状图展示
TableAgent: ChatGLM:
2.2.2 TableAgent与ChatGLM分析对比
TableAgentChatGLM分析对比
2.2.3 结论对比
TableAgentChatGLM结论1. 根据我们的数据分析一对一辅导参与人数最多的年级是八年级。以下是我们统计的每个年级的一对一辅导参与人数的详细数据七年级47九年级16八年级522. 从这个数据中我们可以看出八年级年级的学生参加一对一辅导的次数最多这可能是因为八年级年级的学生在学校的时间较长对老师的依赖性较强因此更愿意参加一对一的辅导。从上图中我们可以清晰地看到每个年级的一对一辅导参与人数。从图表中我们可以看出八年级的一对一辅导参与人数最高。
需求三我们想通过数据集分析得出学生更喜欢通过哪种方式进行学习。
2.3 分析三 问总结一对一辅导人数、学生提问人数、一对多辅导人数、微课观看人数画出折线图并总结出学生更爱通过那种方式进行学习 2.3.1 TableAgent与ChatGLM柱状图展示
TableAgent ChatGLM
2.3.2 TableAgent与ChatGLM分析对比
TableAgentChatGLM分析对比
2.3.3 结论对比
TableAgentChatGLM结论从图中我们可以看到一对一辅导人数、学生提问人数、一对多辅导人数和微课观看人数在不同年级和学校之间的变化趋势。这有助于我们更好地理解学生们的学习习惯和偏好。总的来说学生们更喜欢通过一对一辅导进行学习这可能是因为一对一的辅导方式更能满足学生的个别化需求。同时学生们也可能更倾向于使用微课等方式进行远程学习这可能是因为微课的形式更灵活可以满足不同学生的学习需求。从上图中我们可以看到以下几点一对一辅导人数在一开始就有一个明显的增长之后保持相对稳定的水平。学生提问人数参与人数相对较少并且随着时间的推移增长缓慢。一对多辅导人数参与人数有一个轻微的增长但整体水平仍然较低。微课观看人数参与人数随着时间的推移而增长并且在某个时间点有一个显著的增加。根据这些趋势我们可以得出以下结论学生更倾向于使用一对一辅导和微课观看的方式进行学习。一对一辅导和微课观看的参与人数随着时间的推移而增长而学生提问和一对多辅导的参与人数增长缓慢。在某个时间点之后微课观看的参与人数超过了其他方式的参与人数这可能是因为微课观看在某些学校中得到了更多的推广和应用。综上所述学生更爱通过一对一辅导和微课观看的方式进行学习。
总结
到此我们对TableAgent的使用与体验基本就完成了我们通过和ChatGLM进行了比对两个模型给出的的可视化视图基本上是一致的。最后一个分析三有些区别是TableAgent折线图增加了年级元素更能让我了解每个年级段学生的学习方式倾向。两个模型给出的数据分析思路也十分的实用对数据分析有很大的参考价值。给出的结论个人更倾向于TableAgent它能够给出你答案的同时分析出该结论产生的可能原因并且能够给出拓展查询的建议比较nice。同时在使用两个平台的时候TableAgent相比之下表现更加出色
ChatGLM出现了多次新建沙盒上传了数据集被销毁的问题而不得重新新建沙盒并上传数据集。对比TableAgent上传数据集之后可以一直使用比较稳定。简单易用TableAgent提供了直观的用户界面和简单的操作流程使得用户无需具备专业的编程或统计知识即可进行数据分析易于理解TableAgent通过展示思维流程图的方式帮助用户更好地理解整个数据分析与思考的过程。这种可视化的方式不仅让开发人员更加易于理解还提供了相应的执行代码使得开发人员可以更加高效地进行数据分析和处理。可视化分析功能。TableAgent可以将分析结果以图表的形式呈现让用户更直观地了解数据的分布和趋势帮助用户做出更准确的决策。
TableAgent的推出让数据分析不再是专业人士的专利。它使得每个人都能轻松地成为数据分析师不再需要掌握复杂的编程技能和统计学知识。通过简单的提问TableAgent就能为用户提供深入的数据分析结果和见解。 这一创新不仅降低了数据分析的门槛还极大地提高了数据处理和分析的效率。在过去数据分析往往需要耗费大量的时间和精力而现在借助TableAgent的强大功能人们可以在短时间内完成复杂的数据分析任务。 此外TableAgent还推动了数据处理和分析领域的技术进步。它的出现激发了更多的创新和研究使得数据分析工具不断优化和完善。同时随着更多的人参与到数据分析中来数据的利用价值也得到了更好的发挥为各行各业带来了更多的可能性。 总之TableAgent的推出标志着数据处理和分析进入了一个新的时代。在这个时代里每个人都可以轻松地成为数据分析师共同探索数据背后的奥秘。
