Google在其Python Colb Python平台上根据双胞胎推出了一个免费的数据科学代理

AI代理 – 所有这些都以时尚方式，但是专门针对分析，从大量数据中得出结论的分析和撤回呢？

Google Data Science Adent这样做：新的免费AI帮助AI使用Gemini 2.0自动化数据分析，现在可以免费使用某些国家 /地区的18岁用户和语言。

该助理可通过Google Colab获得，这是Python代码的八年服务在线直播顶部图形处理单元（GPU），该单元（GPU）由搜索巨头和他们自己的Tenzore处理（TPU）拥有。

数据科学经纪人最初于2024年12月为受信任的测试人员启动，旨在帮助研究人员，科学家和数据开发人员通过在用户浏览器中创建木星的功能齐全的笔记本电脑来处理其工作流程。

这种扩展与Google目前在COLAB中基于AI的编码和数据科学的函数相一致，从而创建了过去的更新，例如在2023年5月宣布的编码，例如帮助编码编码。

它还使用高级数据分析数据OpenAI（以前的代码解释器）作为一种扩展和迟来的异议，该数据现在已在GPT-4开始时内置在Chatgpt中。

什么是Google Colab？

Google Colab（Colaboatory的缩写）是云笔记本电脑Jupyter，它允许用户直接在其浏览器中编写和执行Python代码。

笔记本Jupyter是一个开源Web应用程序，允许用户创建和交换包含Life代码，方程式，可视化和叙事文本的文档。从2014年的Ipthon项目中恢复，现在它支持40多种编程语言，包括Python，R和Julia。该交互式平台广泛用于数据分析，可视化和编程概念教学等任务的数据，研究和教育科学。

自2017年Google Colab推出以来，已成为科学和数据教育最广泛使用的平台之一。

正如Ori Abramovsky一样，Spectralops.io的数据科学自2023年以来在出色的平均职位中进行了详细描述，使用COLAB和免费访问图形处理器和TPU的简单性使其成为许多开发人员和研究人员的出色选择。

他指出，进入Google Drive和TPU的无缝集成和TPU的支持使他的团队在使用AI模型时大大减少训练周期。

但是，阿布拉莫夫斯基还指出了科拉布的限制，例如：

• 会话限制 （特别是对于自由级别的用户）。
• 不可预测的资源分配 在使用时间高峰。
• 缺乏关键特征作为有效的管道和扩大计划。
• 支持问题Google如何提供有限的直接帮助选择。

尽管存在这些缺点，但亚伯拉莫夫斯基强调，Colab仍然是没有服务器的笔记本电脑的最佳可用解决方案之一，尤其是在ML和数据分析项目的早期阶段。

使用AI简化数据分析

数据科学代理基于没有Colab服务器的笔记本电脑，消除了对手动调整的需求。

使用AI Google Gemini，用户可以用简单的英语描述他们的分析目标（“可视化趋势” “教预测模型”， “纯粹的缺失值”）并生成完全必要的Colab笔记本电脑。

他通过：

• 分析自动化：生成完整的工作笔记本而不是隔离的代码片段。
• 节省时间：消除手动调整和重复编码。
• 改善合作：在团队项目中构建的功能 – 交换功能。
• 提供修改的解决方案：用户可以配置和配置生成的代码。

数据科学的代理已经加速了真正的科学研究

根据Google的说法，早期的测试人员在使用数据科学代理时报告了大量时间节省。

例如，劳伦斯·伯克利（Lawrence Berkeley）国家实验室的一名科学家致力于热带水 – 田土地的甲烷排放，计算出使用代理时的数据时间从一周减少到五分钟。

该工具还很好地展示了行业测试，在Dabstep中排名第四：代理商Bendch，用于拥抱人的多阶段推理，以AI代理（GPT-4.0），DeepSeek，Claude 3.5 Haiku和Llama 3.3 70b。

尽管如此，Openai O3-Mini和O1的竞争模型以及Anpropic Claude 3.5十四行诗都超过了这些双胞胎科学的新特工。

开始

用户可以通过执行以下步骤开始在Google COLAB上的数据上使用代理：

1. 打开新的Colab笔记本电脑场地
2. 下载数据集 （CSV，JSON等）。
3. 用自然语言描述分析 使用双胞胎的侧面面板。
4. 执行生成的笔记本电脑 了解理解和可视化。

Google提供了数据集和快速想法的样本，以帮助用户探索其功能，包括：

• 堆栈溢出开发人员：“可视化最受欢迎的编程语言。”
• 这些类型的彩虹外壳：“计算和可视化Pierson，Speakman和Kendalla的相关性。”
• 玻璃分类数据集：“训练随机的森林分类器。”

在任何时候，当用户想使用新代理时，他将不得不去Colab并按“文件”，然后将“驱动器上的新笔记本电脑”和接收的笔记本电脑存储在其Google Drive帐户中。

我自己对演示的简短使用更混杂

当然，我是一名适度的技术记者，而不是数据科学家，但是我对与Gemini 2.0的数据科学对新的数据科学代理人的使用仍然没有麻烦。

我上传了五个CSV文件（分隔逗号 “我每个月要花多少钱在我的公用事业上？”场地

代理商向前进行并执行以下操作：

• 联合数据集该帐户的处理日期和不一致的日期。
• 过滤并清洁数据该规定只是适当的费用。
• 分组交易 到一个月和季度计算费用。
• 生成的可视化例如，用于分析趋势的线性图。
• 总结结果 在一份明确的结构化报告中。

在执行之前，Kolab引起了确认，提醒我它可以与外部API相互作用。

在几秒钟内，他在浏览器中非常快速，平稳地完成了所有这些操作。令人印象深刻的是，通过分析和编程如何通过对他所做的事情进行分析和编程工作。

然而，最终，他产生了不正确的时间表，显示一个月，公用事业的成本，不承认包括整整几个月的污染的表格。当我要求他修改时，他尝试了游戏，但最后他无法创建正确的代码行来回答我的提示。

我在Google Colab的新笔记本电脑上从头开始尝试了同样的提示，他给出了更好的，但仍然是一个奇怪的结果。

我将不得不尝试更多地消除问题，正如我所说，最初的错误结果可以与我使用数据科学工具的经验相关联。

Kolab定价和人工智能功能

尽管Google Colab仍然免费，但需要其他计算营养的用户可以更新到付费计划：

• COLAB PRO（每月$ 9.99）：100个计算单元，更快的图形处理器，更多内存，访问终端。
• COLAB PRO+（每月$ 49.99）：500个计算机单元，图形处理器的优先更新，执行背景。
• Kolab Enterprise：Google云集成，基于AI的代码生成。
• 费用就像是 – huh-huh-hu-hu-th：100个计算单元的$ 9.99，500个计算单元的$ 49.99。

除了数据科学代理外，Google还扩展了AI在COLAB中的功能。

Google收集技巧，生成的代码和用户评论，以改善其AI模型。尽管数据存储长达18个月，但它们是匿名化的，并且不能总是执行删除请求。建议用户不介绍机密或个人信息，因为人们可以处理提示。此外，应仔细查看生成的AI代码，因为它可能包含不准确性。

欢迎

Google呼吁用户通过＃数据科学 – 代理渠道中的Discord Google Labs社区提供评论。

由于由人工智能控制的自动化成为数据科学的关键趋势，因此Kolab的Google Science Agent可以帮助研究人员和开发人员更多地专注于理解，而不是更少的是编码的安装。随着该工具扩展到更多的用户和地区，有趣的是，它如何形成分析师的未来有助于对象的未来。

每天有关VB每日业务使用方案的见解

如果您想打动老板，VB每天都会覆盖您。我们为您提供有关公司对生成AI的影响的内部勺子，从监管转变到实际部署，因此您可以分享对最大投资盈利能力的了解。

阅读我们的保密政策

感谢您的订阅。在此处查看更多VB信息选票。

发生错误。