คุณทำอะไรกับข้อมูลใน ChatGPT ได้บ้าง?
เมื่อวิเคราะห์ข้อมูลด้วย ChatGPT คุณสามารถสร้างตารางและแผนภูมิทั้งแบบคงที่และแบบโต้ตอบได้จากข้อมูลที่อัปโหลด
ChatGPT จะสร้างมุมมองตารางแบบโต้ตอบโดยอัตโนมัติ ช่วยให้คุณเลื่อนดูข้อมูลและดูแถวกับคอลัมน์ทั้งหมดได้
หลังอัปโหลดไฟล์ ChatGPT สามารถระบุประเภทแผนภูมิที่เหมาะสมที่สุดสำหรับชุดข้อมูลได้ หรือคุณจะระบุประเภทแผนภูมิที่รองรับอย่างใดอย่างหนึ่งในคำสั่งก็ได้
คุณสามารถปรับแต่งกราฟิกของแผนภูมิแบบโต้ตอบและสร้างสรุปเพื่ออธิบายสิ่งที่ค้นพบได้
เมื่อใช้โมเดลการให้เหตุผล คุณสามารถทำงานอย่างการรันการถดถอยกับข้อมูลทดสอบ การแสดงภาพตัวชี้วัดทางธุรกิจที่ซับซ้อน และการจำลองตามสถานการณ์ได้
รองรับไฟล์ประเภทใดบ้าง?
ChatGPT สามารถวิเคราะห์ข้อมูลที่อัปโหลดในหลากหลายรูปแบบไฟล์ ได้แก่:
Excel (.xlsx)
ค่าที่คั่นด้วยจุลภาค (.csv)
PDF (.pdf)
JSON
คุณยังอัปโหลดไฟล์เวอร์ชันล่าสุดได้โดยตรงจาก:
Google Drive
Microsoft OneDrive Personal
Microsoft OneDrive รวมถึง Sharepoint
เมื่อเตรียมสเปรดชีตเพื่อการวิเคราะห์ใน ChatGPT ให้ทำตามแนวทางต่อไปนี้เพื่อผลลัพธ์ที่ดีที่สุด:
ควรทำ:
ใส่หัวคอลัมน์ที่อธิบายชัดเจนในแถวแรก
ใช้ภาษาทั่วไปสำหรับหัวคอลัมน์ หลีกเลี่ยงตัวย่อและศัพท์เฉพาะ
ใช้หนึ่งแถวต่อหนึ่งระเบียน
ไม่ควรทำ:
ใส่หลายส่วนและหลายตารางไว้ในสเปรดชีตเดียว
ใส่แถวหรือคอลัมน์ว่าง
ใส่รูปภาพที่มีข้อมูลสำคัญ
ChatGPT วิเคราะห์และแสดงภาพข้อมูลด้วยแผนภูมิอย่างไร?
ChatGPT ใช้ pandas ในการวิเคราะห์ข้อมูลของคุณ และใช้ Matplotlib เพื่อสร้างทั้งแผนภูมิแบบคงที่และแบบโต้ตอบจากข้อมูลของคุณ หลังจากใช้ ChatGPT เพื่อวิเคราะห์หรือแสดงภาพข้อมูลแล้ว ให้คลิกลิงก์ View Analysis ที่ปรากฏท้ายคำตอบเพื่อดูว่า ChatGPT ใช้เครื่องมือเหล่านี้อย่างไร:
ฉันจะดูการวิเคราะห์โดยค่าเริ่มต้นได้อย่างไร?
หลังจากใช้ ChatGPT เพื่อวิเคราะห์หรือแสดงภาพข้อมูลของคุณ ให้คลิกลิงก์ View Analysis ที่ปรากฏท้ายคำตอบ
ที่ด้านบนของหน้าต่างโมดัล คุณสามารถเปิด “แสดงรายละเอียดเสมอ” เพื่อให้หน้าต่างการวิเคราะห์ปรากฏขึ้นโดยค่าเริ่มต้นหลังทุกคำตอบ
หากคุณต้องการใช้โค้ดบนเครื่องของคุณเอง คุณสามารถคลิก “คัดลอก” เพื่อคัดลอกโค้ดไปยังคลิปบอร์ด แล้วนำไปวางในตัวแก้ไขโค้ดของคุณ
ฉันจะเปิดใช้งานแผนภูมิแบบโต้ตอบได้อย่างไร?
หลังจากสร้างแผนภูมิแล้ว ให้เลือก "Switch to interactive chart" ที่มุมขวาบนของกราฟ
หลังเลือกตัวเลือกนี้ กราฟจะเรนเดอร์ใหม่เป็นเวอร์ชันแบบโต้ตอบของกราฟของคุณ โปรดทราบว่ามีเพียงแผนภูมิบางประเภทเท่านั้นที่เป็นแบบโต้ตอบได้
คุณสามารถสลับกลับไปเป็นกราฟแบบคงที่ได้โดยเลือก "Switch to static chart" ที่มุมขวาบนของกราฟ
แผนภูมิประเภทใดเป็นแบบโต้ตอบได้?
ขณะนี้ โดยส่วนใหญ่แล้ว มีเพียงแผนภูมิแท่ง วงกลม กระจาย และเส้นเท่านั้นที่เป็นแบบโต้ตอบได้
ChatGPT สามารถสร้างแผนภูมิที่ไม่โต้ตอบได้หลายประเภท ได้แก่ ฮิสโตแกรม แผนภาพกระจาย บ็อกซ์พล็อต (Box-and-Whisker Plots) ฮีตแมป แผนภูมิพื้นที่ แผนภูมิเรดาร์ ทรีแมป แผนภูมิฟอง และแผนภูมิน้ำตก
ฉันวิเคราะห์ได้กี่ไฟล์พร้อมกัน?
อัปโหลดได้สูงสุด 10 ไฟล์ต่อหนึ่งบทสนทนา
แนบไฟล์กับ GPT เป็น Knowledge ได้สูงสุด 20 ไฟล์ (ChatGPT สามารถโต้ตอบกับไฟล์เหล่านี้ได้หากเปิดใช้ความสามารถเครื่องมือรันโค้ดในระดับ GPT)
ฉันวิเคราะห์ข้อมูลได้มากแค่ไหน?
512 MB ต่อไฟล์ สำหรับไฟล์ CSV หรือสเปรดชีต ขนาดไฟล์ต้องไม่เกินประมาณ 50MB ทั้งนี้ขึ้นอยู่กับขนาดของแต่ละแถว
สิ่งนี้ทำให้ ChatGPT เป็นทางเลือกที่ดีสำหรับการทำงานกับไฟล์ข้อมูลที่ใหญ่เกินกว่าจะเปิดในแอปพลิเคชันสเปรดชีตได้
ฉันจะลบไฟล์ที่อัปโหลดได้อย่างไร?
ไฟล์ที่อัปโหลดไปยัง Advanced Data Analysis จะถูกลบภายในระยะเวลาที่แตกต่างกันไปตามแผนของคุณ หากคุณพบข้อจำกัดการใช้งานไฟล์ คุณยังลบไฟล์จากแชตล่าสุดหรือจาก GPT ใดๆ ที่คุณสร้างไว้ได้ด้วย เนื่องจากใช้โควตร่วมกัน
เบื้องหลังการทำงานเป็นอย่างไร?
เมื่อคุณอัปโหลดข้อมูลที่มีโครงสร้าง ChatGPT จะเริ่มจากตรวจดูข้อมูลสองสามแถวแรกเพื่อทำความเข้าใจ Schema และประเภทของค่าที่อาจมีอยู่
เมื่อคุณถามคำถามเกี่ยวกับข้อมูลของคุณ ChatGPT จะดำเนินการตามขั้นตอนต่อไปนี้:
เข้าถึงข้อมูลที่อัปโหลดในสภาพแวดล้อมการรันโค้ด
เขียนโค้ด Python เพื่อประมวลผลข้อมูลและสร้างผลลัพธ์การวิเคราะห์ที่ต้องการ
รันโค้ดและตรวจสอบผลลัพธ์
ผสานผลลัพธ์เข้ากับคำตอบที่คุณเห็นในหน้าต่างแชต
ความสามารถของ ChatGPT ในการทั้งเขียนและรันโค้ดคือสิ่งที่ทำให้สามารถดำเนินการทางคณิตศาสตร์ที่ซับซ้อนและเทคนิคการวิเคราะห์ทางสถิติได้ หากคุณต้องการตรวจสอบโค้ดที่ ChatGPT สร้างขึ้น ให้คลิกลิงก์สีน้ำเงิน [>_] ที่ท้ายข้อความ
ChatGPT รู้วิธีวิเคราะห์ข้อมูลได้อย่างไร?
หนึ่งในความสามารถหลักของ ChatGPT คือความสามารถในการวิเคราะห์ที่ซับซ้อนโดยอิงจากคำสั่งภาษาธรรมชาติ เพื่อให้สิ่งนี้ทำงานได้ โมเดล ChatGPT จะได้รับการเทรนเพิ่มเติมด้วยงานวิเคราะห์ข้อมูลจำนวนมาก หลังจากได้เห็นชุดข้อมูลตัวอย่าง คำถามภาษาธรรมชาติเกี่ยวกับชุดข้อมูลเหล่านั้น และโค้ดที่นักวิเคราะห์ข้อมูลเขียนเพื่อตอบคำถามเหล่านั้น โมเดลจึงสามารถสร้างโค้ดใหม่เพื่อทำการวิเคราะห์แบบใหม่ได้ นี่จึงเป็นเหตุผลที่ ChatGPT “รู้” วิธีใช้ไลบรารี Python เฉพาะทางเพื่อทำงานที่ซับซ้อน
ChatGPT รันโค้ดอย่างไร?
เมื่อวิเคราะห์ข้อมูล ChatGPT จะเข้าถึงสภาพแวดล้อมการรันโค้ดที่ปลอดภัย สภาพแวดล้อมนี้โหลดไลบรารี Python ไว้ล่วงหน้าหลายร้อยรายการ และ ChatGPT รู้วิธีเขียนโค้ดเพื่อนำเข้าและใช้ไลบรารีเหล่านี้ สภาพแวดล้อมนี้เข้าถึงไฟล์ที่แนบมากับคำสั่ง ChatGPT ได้ ซึ่งทำให้สามารถโต้ตอบกับข้อมูลที่มีโครงสร้างที่คุณอัปโหลดได้ นอกจากนี้ สภาพแวดล้อมยังเข้าถึงไฟล์ที่ดึงมาโดยใช้ GPT Actions ได้ด้วย
เมื่อ ChatGPT สร้างโค้ดเพื่อตอบคำสั่งของคุณ ระบบจะส่งโค้ดนั้นไปยังสภาพแวดล้อมเพื่อรัน จากนั้นระบบจะเข้าถึงผลลัพธ์จากสภาพแวดล้อม รวมถึงข้อผิดพลาดใดๆ ที่เกิดจากโค้ดที่สร้างขึ้น ChatGPT สามารถตีความข้อผิดพลาดและแก้ไขปัญหาในโค้ดที่สร้างขึ้นได้โดยอัตโนมัติ
สภาพแวดล้อมการรันโค้ดของ ChatGPT ไม่สามารถสร้างคำขอเครือข่ายขาออกได้โดยตรง การรันโค้ดยังถูกแยกออกจากส่วนอื่นของแพลตฟอร์มโฮสต์ ChatGPT ซึ่งช่วยรับประกันความปลอดภัยของฟีเจอร์
เมื่อ ChatGPT วิเคราะห์ข้อมูลเป็นครั้งแรกระหว่างการสนทนา อินสแตนซ์ใหม่ของสภาพแวดล้อมการรันโค้ดจะถูกสร้างขึ้น อินสแตนซ์นี้เข้าถึงได้จากภายในการสนทนาที่เกี่ยวข้องเท่านั้น และจะถูกทำลายภายใน 13 ชั่วโมงหลังจากการสนทนาไม่มีการใช้งาน
มีการใช้งานใดบ้างนอกเหนือจากการวิเคราะห์ข้อมูล?
สภาพแวดล้อมการรันโค้ดของ ChatGPT ได้รับการออกแบบมาเป็นหลักสำหรับการโต้ตอบกับข้อมูลที่มีโครงสร้าง อย่างไรก็ตาม ความสามารถหลักของฟีเจอร์นี้ (การเขียนและรันโค้ด การเข้าถึงผลลัพธ์ของการรันโค้ด) รองรับการใช้งานที่หลากหลายนอกเหนือจากการวิเคราะห์ข้อมูล
การใช้งาน ได้แก่:
การจัดการและสร้างไฟล์
การวิเคราะห์เชิงธีมของข้อมูลไม่มีโครงสร้างและเอกสารข้อความ
ฯลฯ
ChatGPT ได้รับการฝึกกับงานเขียนโค้ดหลากหลายรูปแบบ และสามารถคิดวิธีสร้างสรรค์ในการใช้สภาพแวดล้อมการรันโค้ดเพื่อทำงานให้สำเร็จ