【玩转TableAgent数据智能分析】利用TableAgent进行教育数据分析

news2024/11/13 9:06:06

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(TableAgent&ChatGLM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

image.png

前期准备

  1. 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。image.png
  2. 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。image.png

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200~500美元之间,需要3~6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。

image.png

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。
image.png

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(TableAgent&ChatGLM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:

  1. 目前线上的TableAgent版本仅支持CSV格式的数据文件。
  2. 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。
image.png
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:TableAgent
ChatGLM:ChatGLM

2.1.2 TableAgent与ChatGLM分析对比
TableAgentChatGLM
分析对比image.pngimage.pngimage.pngimage.pngimage.pngimage.pngimage.png
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:TableAgent
ChatGLM:ChatGLM

2.2.2 TableAgent与ChatGLM分析对比
TableAgentChatGLM
分析对比image.pngimage.pngimage.pngimage.pngimage.png
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:52;2. 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:TableAgent
ChatGLM:ChatGLM

2.3.2 TableAgent与ChatGLM分析对比
TableAgentChatGLM
分析对比image.pngimage.pngimage.pngimage.png
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:

  1. 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。
  2. 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
  3. 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。
  4. 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。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1304534.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【腾讯云AI绘画】与AI绘画和解,和AI绘画共成长

前言 六月份的时候,买了腾讯AI绘画的资源包。可当通过API去使用AI绘画后,我顿时就被整破防了,于是写了一篇文章,算是无声控诉。被腾讯云AI绘画整破防了! 再回首,腾讯绘画不仅提供了API调用,还构…

伪原创API,一文快速了解伪原创API

伪原创API,听起来可能对许多人来说是一个陌生的术语。然而,在当今数字化时代,尤其是在内容创作和网络营销领域,伪原创API正逐渐崭露头角。在本文中,我将向您深入介绍伪原创API是什么,以及它如何在实际应用中…

中国大模型名录汇编(2023)

随着ChatGPT应用的现象级火爆,AI大模型正在迅速发展,引发了新一轮人工智能发展浪潮。大模型基座化趋势或将对人工智能产业链和全球市场竞争格局产生深刻影响。在技术方面,大模型在交互、理解和生成等方面表现出了显著的性能提升。在产业发展方…

Linux:符号和符号表

文章目录 什么是符号?什么是符号表?全局符号和本地符号1. 全局符号:symtab符号表 2. 本地符号: 符号在汇编阶段符号在链接阶段1.由模块 m 定义并能被其他模块引用的全局符号。2.由其他模块定义并被模块 m 引用的全局符号。3.只被模…

AI跨界学习,不再是梦!

大家好!今天给大家推荐的 GPTs 是【行业知识脉络】,帮助大家快速了解某个领域的脉络,并提供足够的学习资料和建议。 在AI时代,从小白到专家的1万小时定律即将失效,用少于1千小时掌握行业知识树和其核心概念是如何学习的…

Python Selenium3 自动化测试实战:构建高效测试项目

💂 个人网站:【 海拥】【神级代码资源网站】【办公神器】🤟 基于Web端打造的:👉轻量化工具创作平台💅 想寻找共同学习交流的小伙伴,请点击【全栈技术交流群】 在当今软件开发领域,自动化测试成为…

310v转5v 1A 4G模块供电稳压芯片-AH8665

AH8665是一个高性能的稳压芯片,适用于将310V输入电压转换为5V 1A的输出电压,为4G模块提供稳定的电源供应。该芯片具有出色的稳定性能、高效转换效率和紧凑的外形尺寸,广泛应用于通信、物联网等领域。 AH8665芯片采用先进的低压差线性稳压器&…

【新手解答9】深入探索 C 语言:递归与循环的应用2

C语言的相关问题解答 写在最前面问题交流递归和循环if-else 和循环的结合 递归中的 if-else例子 递归是否形成循环?可以理解为特殊形式的循环递归示例:计算阶乘递归与循环的区别 结论 写在最前面 一位粉丝私信交流,回想起了当初的我C语言一题…

2012-12-12 下载ndk编译出so和可执行文件,放到android 真机运行,包含源码。

一、下载ndk链接NDK 下载 | Android NDK | Android Developers 二、解压ndk后得到下面的文件,里面包含ndk-build.cmd,这个是用来编译的。 三、Android.mk和C源码。完整源码下载路径https://download.csdn.net/download/qq_37858386/88622702 3.1 A…

SD-WAN是怎样实现SaaS性能优化的?

在数字化时代,SaaS应用已经成为许多企业不可或缺的核心业务工具。为实现高效的SaaS应用和卓越的用户体验,企业可考虑采用SD-WAN技术。通过就近访问、智能带宽管理、多路径冗余、高级安全和简化的管理监控,SD-WAN为企业带来显著价值。 1. 就近…

单域名https证书怎么申请

单域名https证书可以保护www和两个域名记录,如果保护的域名是子域名时,只能保护一个子域名。单域名https证书能够为网站提供加密的HTTPS连接,保护网站的数据安全。今天随SSL盾小编了解单域名https证书的申请。 1. 确定证书类型:根…

python自动下载网页中的文件,python 自动下载脚本

本篇文章给大家谈谈python自动下载文件 下载的不完整,以及python登录网站自动下载文件,希望对各位有所帮助,不要忘了收藏本站喔。 问题描述 Python自动下载文件,通用文件,包括但不限于压缩文件、图片等。 解决方法 一般…

隐语开源|周爱辉:隐语 TEE 技术解读与跨域管控实践

“隐语”是开源的可信隐私计算框架,内置 MPC、TEE、同态等多种密态计算虚拟设备供灵活选择,提供丰富的联邦学习算法和差分隐私机制 开源项目 github.com/secretflow gitee.com/secretflow 11月25日,「隐语开源社区 Meetup西安站」顺利举办&…

【动态规划】03斐波那契数列模型_最小花费爬楼梯_C++(easy1)

题目链接:leetcode使用最小花费爬楼梯 目录 题目解析: 算法原理 1.状态表示 2.状态转移方程 3.初始化 4.填表顺序 5.返回值 编写代码 题目解析: 题目让我们求达到楼梯顶部的最低花费. 由题可得: cost[i] 是从楼梯第 i 个…

【EMQX】通过EMQX webhook实现转发消息到Python web服务器

EMQX webhook消息转发Web服务器 一、前言二、实现1、EMQX服务器搭建EMQX下载、安装、启动 2、本地Web服务搭建创建Flask项目代码 3、EMQX中创建webhook数据桥接4、EMQX中创建数据转发规则 三、效果 一、前言 需求:获取设备通过mqtt协议发送过来的数据并将数据保存到…

【sqli靶场】第四关和第五关通关思路

目录 前言 一、sqli靶场第四关 1.1 判断注入类型 1.2 观察报错 1.3 判断数据表中的列数 1.4 使用union联合查询 1.5 使用group_concat()函数 二、sqli靶场第五关 2.1 判断注入类型 2.2 使用extractvalue函数报错 2.3 爆出数据库中的表名 2.4 爆出users表中的列名 2.5 爆出use…

异地现场工控设备,如何实现远程配置、调试?

南京某企业专注于工业物联领域,在相关项目中往往会在各个点位部署基于Linux系统的中控主机,实现各类物联设备信息的采集、汇总。但是,由于各点位分散多地,且数量达到了上百个,虽然中控主机具备4G物联网接入能力&#x…

Java设计模式-单例(Singleton)设计模式的概述及实现

目录 🐶1 设计模式概述 🐶2 何为单例模式 🐶3 实现思路 🐶4 饿汉式实现代码 🐶5 懒汉式实现代码 🐶6 对比两种模式(特点、优缺点) 🐶7 单例模式的优点及应用场景 &…

系统提示:comres.dll丢失怎么办,comres.dll丢失的解决方法

comres.dll是Windows操作系统中一个非常重要的动态链接库文件,它负责提供一些重要的功能和资源。当这个文件丢失或损坏时,可能会导致一系列的问题和影响。本文将介绍comres.dll文件丢失对电脑的影响以及comres.dll丢失的原因,并提供5个解决方…

数据科学工作的20个Pandas函数(备忘)

Pandas 是数据科学社区中使用最广泛的库之一,它是一个强大的工具,可以进行数据操作、清理和分析。 本文将提供最常用的 Pandas 函数以及如何实际使用它们的样例。我们将涵盖从基本数据操作到高级数据分析技术的所有内容,到本文结束时&#xf…