推荐：使用NSDT场景编辑器快速搭建3D应用场景

从自动化日常任务到预测复杂模式，人工智能正在重塑行业并重新定义可能性。

当我们站在这场人工智能革命中时，我们必须了解它的潜力并将其整合到我们的日常工作流程中。

然而。。。我知道开始使用这些新技术可能会让人不知所措。

因此，如果您想知道如何开始使用 AI，尤其是像 ChatGPT 这样的模型......

今天，我带来了一套7个项目，从头开始学习如何处理它。

让我们一起发现它们！👇🏻

1. 使用 OpenAI API 生成语言翻译器

LLM具有广泛的应用。最有用?—?也是最容易应用?—?之一恰恰是它从任何语言翻译成任何其他语言的能力。

在Kaushal Trivedi的教程中使用OpenAI ChatGPT API构建多语言翻译工具中，将引导读者通过其API使用OpenAI的gpt-3.5-turbo模型创建AI驱动的翻译应用程序。

该过程涉及以下步骤：

1. 设置 OpenAI API 凭据。
2. 使用 Python 和 OpenAI API 定义翻译函数。
3. 测试函数。
4. 使用 Python 的 Tkinter 库创建用户界面。
5. 测试用户界面。

关键的教训是 GPT-3.5 聊天 API 在构建强大的 AI 驱动工具方面的潜力。在本例中，用于创建翻译工具。

2. 使用 ChatGPT 为您的企业构建情感分析 AI 系统

LLM的另一个常见应用是处理大量文本。想象一下，您经营的电子商务每天收到数千条评论?—?您可以利用人工智能工具来处理它们。

这正是Courtlin Holt-Nguyen在他的教程Sentiment Analysis with ChatGPT，OpenAI和Python中向我们展示的内容?—?使用 ChatGPT 为您的企业构建情感分析 AI 系统。 他在Google Colab上执行了整个教程，并试图强调ChatGPT在处理各种NLP任务方面的多功能性，结构化数据对有效分析的重要性，以及ChatGPT推理和解释其响应的能力。

以下是关键步骤：

1. 描述要使用的数据集。您可以使用他的数据集或选择您喜欢的任何其他数据集。
2. 介绍 OpenAI API。
3. 在Google Colab中安装所需的库，并开始使用ChatGPT OpenAI API进行情感分析。
4. 处理评论的 GPT 模型的具体应用。

可以利用 ChatGPT 强大的 AI 功能进行全面的情绪分析、总结和来自客户评论的可操作见解。

3. 语言链和OpenAI的基本用法

上个月，我写了一篇易于理解的LangChain基本介绍，名为Transforming AI with LangChain： A Text Data Game Changer，这是一个Python库，旨在最大限度地发挥大型语言模型在文本数据处理方面的潜力。

LangChain在处理大型文本数据时的多功能性及其提供结构化输出的能力使其成为处理LLM和创建真实工具最常用的Python库之一。

本教程介绍了此库的两个简单用例，可以应用于多个应用程序。

1. 综述：

• 短文本摘要：使用 LangChain 和 ChatGPT 来总结短文本。
• 长文本摘要：通过将较长的文本拆分为较小的块并汇总每个块来处理较长的文本。

1. 萃取：

• 提取特定单词：识别文本中的特定单词。
• 使用 LangChain 的响应模式：将 LLM 的输出结构化为 Python 对象。

LangChain为文本摘要和提取提供了一个强大的框架，简化了自然语言处理应用程序的过程。

4. 自动化与 LangChain 和 ChatGPT 的 PDF 交互

在上一个教程之后，有一篇更高级的文章介绍了如何使用 OpenAI 的 GPT 模型摄取 PDF 并与之交互。

Lucas Soares 在他的教程中向我们展示了如何利用 ChatGPT 和 LangChain 与 LangChain 和 LangChain 框架进行 PDF 交互。该过程分为三个主要步骤：

1. 加载文档。
2. 生成嵌入并对内容进行矢量化处理。
3. 查询 PDF 以获取特定信息。

这种方法允许用户直接向 PDF 提问，从而简化了信息检索。您可以关注他的书面文章或观看他的YouTube频道。随心所欲！

关键的教训是人工智能在简化与传统静态文档的交互方面的潜力，使数据访问更加动态和直观。

5. 使用 ChatGPT 构建简历解析器

Reo Ogusu带来了一个易于遵循的项目，最终使用OpenAI API和LangChain的简历解析器。在教程中使用 GPT 将非结构化文档转换为标准化格式：构建简历解析器中，他演示了如何使用 GPT 将非结构化文档（特别是简历）转换为标准化的 YAML 格式。

以下是关键步骤：

1. 使用 PyPDF2 库从 PDF 中提取文本。
2. 利用社区驱动的框架 LangChain 来简化语言模型驱动的应用程序的开发。
3. 定义用于结构化简历数据的 YAML 模板。
4. 使用 LangChain 调用 OpenAI API 来指示 GPT 根据 YAML 模板格式化数据。

GPT 被证明是将非结构化数据转换为结构化格式的强大工具，为各种数据转换应用提供了潜力。

6. 使用 OpenAI API 生成一个简单的聊天机器人

要生成一个简单的聊天机器人，我们可以按照Avra教程，名为如何使用ChatGPT API和Python中的会话内存构建聊天机器人，他解释了如何使用ChatGPT API和GPT-3.5-Turbo模型构建聊天机器人实现。

它集成了LangChain AI的ConversationChain内存模块，并具有Streamlit前端。

文章强调了会话记忆在聊天机器人中的重要性，强调传统的聊天机器人是无状态的，缺乏记住过去交互的能力。

通过整合记忆，聊天机器人可以提供更加无缝和自然的对话体验，类似于类似人类的交互。

关键要点是上下文保留在增强聊天机器人与人类沟通方面的重要性。

7. 使用 ChatGPT 的端到端数据科学项目

作为最后一个项目，我带来了一个非常有趣的数据科学教程，它直接使用 ChatGPT 接口。

Abid Ali Awan 通过他的教程 A Guide to Use ChatGPT for Data Science Projects 教我们如何将 ChatGPT 集成到数据科学项目的各个阶段。它展示了ChatGPT在数据科学领域的力量。

从项目规划和探索性数据分析到特征工程、模型选择和部署，ChatGPT 可以在每一步提供帮助。

最终产品？

用于贷款审批分类的全功能网络应用程序！

本教程涵盖：

1. 项目规划： 与 ChatGPT 合作以概述项目。
2. 探索性数据分析 （EDA）：利用 Python 进行数据可视化和理解。
3. 特征工程：通过创建新要素来增强数据。
4. 预处理： 清理数据、处理类不平衡和缩放功能。
5. 型号选择： 训练各种模型并评估其性能。
6. 超参数调优：优化所选模型。
7. 网络应用创建： 为贷款数据分类器设计基于 Gradio 的 Web 应用程序。
8. 部署： 在拥抱面部空间上启动应用程序。

本教程强调了 ChatGPT 在自动化和增强各种数据科学任务方面的强大功能，尤其是在项目规划和代码生成方面。

关键的一点是像ChatGPT这样的人工智能工具与人类专业知识之间的协同作用，两者相辅相成，以达到最佳结果。

结语

上述项目只是 ChatGPT 潜力的冰山一角。

开源社区正在积极努力开发新工具并改进现有工具，这些工具可以帮助您制作您能想到的任何内容。LangChain只是众多例子之一。

这就是为什么无论您是 ChatGPT 的学习者还是高级专业人士，请始终记住，在 AI 世界中，唯一的限制就是您的想象力！

那么，为什么要等待呢？

潜入，进行实验，让生成式AI模型的世界打开无限可能性的大门！

由3D建模学习工作室 整理翻译，转载请注明出处！