Veri Analizi Ajanı: Göz açıp kapayıncaya kadar verilerinizi analiz edin ✨

Yazar: Aymeric Roucher

Bu eğitim ileri düzey konular içermektedir. Bu eğitim içeriğinden önce Cookbook'ta yer alan Ajan eğitimine bakmanızı öneririz.

Bu notebook ile bir veri analisti ajanı oluşturacağız: Veri analizi kütüphaneleri ile donatılmış ve Dataframelerden sonuçlar çıkartabilen ve bu sonuçları grafiklerle gösterebilen bir ajan.

Kaggle Titanic yarışmasındaki verileri analiz ederek yolcuların hayatta kalma olasılıklarını tahmin etmek istediğimizi düşünelim.

Ama bu konuya başlamadan önce, otomatik bir ajanın trendleri çıkararak ve bazı grafikler çizerek analiz hazırlamasını istiyorum.

Bu sistemi kuralım.

Gerekli kütüphane gereksinimlerini yüklemek için aşağıdaki kodu çalıştıracağız:

İlk olarak ReactCodeAgent kullanarak bir ajan oluşturacağız. (Ajan türleri hakkında daha fazla bilgi edinmek için bu dökümantasyonu okuyabilirsiniz.)

ReactCodeAgent kodu doğrudan çalıştırabilir dolayısı ile herhangi farklı bir araç kullanmamıza gerek yoktur.

Veri bilimiyle ilgili kütüphaneleri kullanmasına izin verdiğimizden emin olmak için ["numpy", "pandas", "matplotlib.pyplot", "seaborn"] kütüphanelerini "additional_authorized_imports" parametresi ile aktarıyoruz.

Python yorumlayıcısı yalnızca çalışma ortamında yüklü kütüphaneleri kullanabilir. Bu sebeple "additional_authorized_imports" parametresine aktardığımız kütüphanelerin çalışma ortamınızda kurulu olduğundan emin olun.

⚙ Ajanımızı, HfEngine sınıfı aracılığıyla HF'nin Inference API'sini kullanan meta-llama/Meta-Llama-3.1-70B-Instruct modeliyle çalıştıracağız. Inference API, herhangi bir açık kaynak modelini hızlı ve kolay bir şekilde çalıştırmamıza olanak tanır.

Veri analizi 📊🤔

Yarışmadan alınan notları fonksiyona argüman olarak verelim ve ajanımızı run methodu ile çalıştıralım.

Etkileyici, değil mi? Ajanınıza kendi grafiklerini gözden geçirmesi için bir görselleştirme aracı da sağlayabilirsiniz!

Veri bilimi ajanı: Tahminleri çalıştır 🛠️👉

Modelimizin veriler üzerinde tahminler yapmasına izin vererek bir adım daha ilerleyelim.

Bunu yapmak için, additional_authorized_imports içinde sklearn kullanımına da izin veriyoruz.

Ajanımızın çıkardığı test çıktıları, Kaggle'a gönderildiğinde 0.78229 puan alıyor ve 17,360 sonuç arasından #2824 sıraya yerleşiyor.

Bu sonuç, yazarın yıllar önce bu yarışmaya ilk girdiğinde elde ettiği sonuçtan çok daha iyi bir sonuçtur.

Sonuçlarınız değişebilir, ancak yine de ajanın birkaç saniyede bu sonucu başarması gerçekten etkileyici.

🚀 Veri analisti ajanı ile sadece basit bir deneme yaptık. Kullanım durumunuza daha iyi uyacak şekilde çok daha fazla geliştirebilirsiniz.