Nhà khoa học dữ liệu · Bước 7/8 · 10 phút
Làm việc với AI và LLM trong vai nhà khoa học dữ liệu
Dùng trợ lý AI để viết code an toàn và biết khi nào LLM là công cụ phù hợp.
AI như một bạn đồng hành viết code
Trợ lý viết code tích hợp sẵn trong notebook và trình soạn thảo, cùng các chatbot thông dụng, giờ đã là một phần của công việc dữ liệu hằng ngày. Chúng giỏi viết những đoạn code lặp lại, nhớ đúng cú pháp pandas hay matplotlib, giải thích lỗi, và gợi ý bản nháp đầu tiên cho một phân tích.
Cứ dùng, nhưng bạn vẫn phải là tác giả. Hãy nhờ từng phần nhỏ mà bạn hiểu được, đừng nhờ cả dự án. Nếu không giải thích được một dòng code, bạn chưa nên dùng nó.
Kiểm tra code được sinh ra như một người review
Code do AI viết có thể chạy không lỗi mà vẫn sai. Những cái bẫy thường gặp: phép merge âm thầm nhân đôi hàng, điền giá trị thiếu trước khi chia train/test, một hàm hay tham số không tồn tại trong phiên bản thư viện bạn dùng, hoặc chỉ số được tính trên dữ liệu train.
Hãy kiểm tra số hàng sau mỗi bước, so kết quả với một phép tính tay nhanh trên vài hàng, và đọc tài liệu chính thức cho bất kỳ hàm nào bạn chưa dùng. Đối xử với code tự tin như với một người lạ nói rất tự tin.
LLM hay mô hình truyền thống?
Mô hình ngôn ngữ lớn (LLM) mạnh với văn bản lộn xộn: tóm tắt phản hồi khách hàng, gắn chủ đề cho phiếu hỗ trợ, trích thông tin từ tài liệu. Còn để dự đoán một con số hay một nhóm từ một bảng sạch, mô hình truyền thống như hồi quy logistic hay gradient boosting thường rẻ hơn, nhanh hơn, ổn định hơn và dễ giải thích hơn.
Một phép thử hợp lý: một mô hình đơn giản trên các cột có cấu trúc có làm được việc này không? Nếu có, bắt đầu từ đó. Nếu đầu vào là văn bản tự do và ít dữ liệu gắn nhãn, gọi API của một LLM có thể nhanh hơn. Dù chọn gì, hãy đánh giá trên các ví dụ giữ riêng như với mọi mô hình khác.
Quyền riêng tư là trên hết
Đừng bao giờ dán dữ liệu cá nhân hay dữ liệu mật vào chatbot dành cho người dùng phổ thông: họ tên, email, số điện thoại, số CCCD, thông tin y tế hay tài chính, hoặc dữ liệu nội bộ của công ty. Tùy sản phẩm và cài đặt, những gì bạn gõ có thể được lưu lại hoặc được xem xét, và việc đó có thể vi phạm quy định công ty hay luật bảo vệ dữ liệu cá nhân.
Hãy dùng các công cụ tổ chức của bạn đã phê duyệt, thường đi kèm thỏa thuận về dữ liệu. Khi nhờ trợ giúp, hãy mô tả các cột hoặc đưa vài hàng tự bịa thay vì dữ liệu thật.
Thử ngay
Nhờ trợ giúp mà không lộ dữ liệu thật
- 1.Chọn một phân tích bạn muốn làm và chỉ ghi ra tên cột cùng kiểu dữ liệu.
- 2.Dùng câu lệnh bên dưới với vài hàng ví dụ do bạn tự nghĩ ra.
- 3.Chạy code trên dữ liệu thật trong notebook của chính bạn, và kiểm tra số hàng sau mỗi bước.
Tôi có một DataFrame pandas với các cột: [TÊN CỘT VÀ KIỂU DỮ LIỆU]. Đây là 3 hàng ví dụ tự bịa: [HÀNG GIẢ]. Hãy viết code pandas để [MỤC TIÊU]. Thêm chú thích cho từng dòng, một lệnh assert kiểm tra số hàng sau mỗi lần merge, và cho tôi biết code này giả định phiên bản thư viện nào.