Utilisez uniquement LLM si vous savez comment effectuer la tâche par vous-même.

Utilisez seulement LLM si vous êtes capable de réaliser la tâche par vous-même.

Sinon, vous pourriez vous retrouver avec des erreurs silencieuses ou des conséquences graves

(image créée par l'auteur avec Midjourney)

Pour la plupart d’entre nous (ou pour tous), les LLM sont des boîtes mystérieuses qui permettent d’accomplir des tâches complexes de manière étonnamment rapide. Nous ne sommes généralement pas intéressés par la partie “comment” tant qu’ils nous donnent ce dont nous avons besoin.

ChatGPT, et d’autres LLM, sont sans aucun doute un booster de productivité. Ils peuvent facilement gérer une variété de tâches qui seraient sinon fastidieuses et chronophages.

Cependant, nous ne pouvons pas toujours nous fier entièrement à eux. Par exemple, en ce qui concerne l’analyse de données, comment pouvons-nous nous assurer que les informations fournies par ChatGPT sur les données sont exactes ? Oui, il connaît Pandas, une bibliothèque populaire d’analyse de données, mais que se passe-t-il s’il fait une erreur ? Ou bien, que se passe-t-il s’il effectue partiellement la tâche et échoue à terminer le reste ?

La meilleure solution qui complète ChatGPT, c’est vous. Vous devez savoir comment réaliser la tâche vous-même afin de :

  1. Vous assurer que la solution de ChatGPT est correcte.
  2. Remplacer ChatGPT lorsqu’il échoue à exécuter la tâche ou ne sait pas comment faire.

Dans cet article, je vais vous montrer trois exemples qui étayent mes deux affirmations précédentes.

Exemple 1 : Nettoyage des données avec Pandas

J’avais un ensemble de données sur les voitures d’occasion qui comprenait les prix et quelques autres attributs des voitures d’occasion. C’était un ensemble de données assez désorganisé et nécessitait beaucoup de nettoyage. J’ai utilisé le plugin ChatGPT Advanced Data Analysis (ADA) pour cette tâche.

Il s’en est bien sorti pour la plupart. Cependant, il y avait une opération très spécifique que ChatGPT ADA n’a pas réussi à effectuer. Par conséquent, la tâche ne pouvait pas être terminée si je ne savais pas comment le faire moi-même.

Laissez-moi d’abord vous expliquer la partie que ChatGPT ADA n’a pas pu gérer.

Probablement en raison d’erreurs de saisie, certaines lignes de la colonne “make” (c’est-à-dire la marque ou le fabricant de la voiture) incluent des valeurs d’année. Lorsque j’ai examiné ces lignes, j’ai réalisé que les valeurs de la marque avaient été enregistrées dans la colonne “model”. Pour résoudre ce problème, il faut extraire la partie “make” de la colonne “model” et l’utiliser pour remplacer la valeur de l’année dans la colonne “make”.

Voici comment le résoudre :

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI

Le Raspberry Pi suit les drones invisibles à l'aide du son.

Des chercheurs des universités du Texas et du Tennessee ont utilisé des ordinateurs Raspberry Pi pour suivre des dron...

AI

Découvrez SelFee un LLM auto-révisé itératif renforcé par la génération de rétroaction auto-alimentée.

Une étude récente a souligné l’efficacité des retours en langage naturel pour améliorer les performances des mo...

AI

Microsoft lance TypeChat une bibliothèque d'IA qui facilite la création d'interfaces de langage naturel en utilisant des types.

La bibliothèque TypeChat de Microsoft est une tentative de faciliter la création d’interfaces de langage nature...

AI

Lancer un chat parmi les pigeons ? Améliorer la computation humaine avec de grands modèles de langage

J'ai toujours été fasciné par l'étymologie. Plus souvent qu'autrement, il y a une histoire intrigante derrière la man...