Coggle 30 Days of ML（23年8月）

发布时间：2023-08-01，作者：阿水, 鱼遇雨欲语与余

## Part1 内容介绍

欢迎参加我们的学习活动：“高效使用ChatGPT：构建有效的Prompt”。ChatGPT是一个强大的工具，可以帮助我们完成各种任务，但要实现高效使用，我们需要掌握如何构建合适的prompt（提示语）。在这个活动中，我们将一起学习如何编写有效的prompt，以最大程度地利用ChatGPT的潜力。

本次活动面向所有对于使用ChatGPT感兴趣的人群，无论您是学生、研究者、开发者还是企业用户，只要您希望提升在ChatGPT上的应用能力和效率，都欢迎参加本次活动。

本月学习内容包括：

• 了解GPT模型的基本原理和工作方式。
• 探索ChatGPT在自然语言处理和人工智能领域的应用。
• 理解prompt在使用ChatGPT时的重要性，以及对生成结果的影响。
• 分析优秀和低效prompt的案例，从中学习如何设计更有效的prompt。

## Part2 活动安排

• 免费学习活动，不会收取任何费用。
• 请各位同学添加下面微信，并回复【竞赛学习】，即可参与。

## Part3 积分说明和奖励

为了激励各位同学完成的学习任务，在完成学习后（本次活动，截止9月4），将按照积分顺序进行评选 Top3 的学习者。如果打卡积分相同，则按照prompt质量和文本长度进行排序。

打卡地址：https://shimo.im/forms/G1m1jSLq7owsgmPw/fill

昵称	T1	T2	T3	T4	T5	T6	T7	T8
wx292371958	✅	✅	✅	✅	✅	✅	✅	✅
徐乜乜	✅	✅	✅	✅	✅	✅	✅	✅
无盐	✅	✅	✅	✅	✅	✅	✅	✅
irrational	✅	✅	✅	✅	✅	✅	✅	✅
liuqingmin	✅	✅	✅	✅	✅	✅	✅	✅
zhangruochennina	✅	✅	✅	✅	✅	✅	✅	✅
liuxinganyue	✅	✅	✅	✅	✅	✅	✅
。	✅
Purple	✅
Frank	✅
oliver	✅
liuxinganyue	✅
maoleqqq	✅
酱油味Haoran	✅
s2735684367	✅
芋泥	✅
ᥫ᭡້໌ᮨ97喵门传人	✅
佳佳佳包娜	✅
晓梦蝉君	✅
豫澄	✅

### 打卡积分奖励

Top1的学习者将获得以下奖励：

• 50元现金红包
• Coggle 竞赛专访机会

Top2-3的学习者将获得以下奖励：

• 20元红包
• Coggle 竞赛专访机会

历史活动打卡链接，可以参考如下格式：

• https://blog.csdn.net/weixin_42551154/article/details/125474519
• https://blog.csdn.net/weixin_42551154/article/details/125481695

## Part4 高效ChatGPT

### 背景介绍

ChatGPT是一个基于OpenAI的GPT（Generative Pre-trained Transformer）模型的变种，它是一个强大的自然语言处理（NLP）工具。GPT系列模型的主要特点是预训练和生成能力，能够根据输入的文本生成具有连贯性和合理性的输出文本。ChatGPT特别针对对话式应用进行了优化。它经过在大规模文本数据上进行预训练，并通过阅读大量的对话数据来学习对话风格和语言表达。因此，它可以用于许多自然语言处理任务，如对话生成、问答系统、文本摘要、语言翻译等。

Prompt是用户向模型提供任务指导和输入信息的方式，它直接影响了模型生成的回答或结果的质量和准确性。一个好的prompt可以引导模型产生有用、合理且符合预期的回答，而一个不合适或模糊的prompt可能导致模型输出错误、无关或混乱的内容。

### 打卡任务

任务名称	所需技能
初识ChatGPT	Python
ChatGPT编写正则	Python
ChatGPT自动EDA	Python
ChatGPT文本分类	Python
ChatGPT实体抽取	Python
ChatGPT关系抽取	Python
ChatGPT渲染表格	Python
ChatGPT文本匹配	Python
ChatGPT创意设计	Python

#### 任务1：初识ChatGPT

• 任务说明：熟悉ChatGPT的基本使用方法，了解如何与模型进行交互，并生成文本输出。
• 实践步骤：
  1. 通过网页端ChatGPT或ChatGPT API发送prompt，可以尝试不同的prompt，观察模型的输出。
  2. 理解ChatGPT的对话机制，尝试在网页端ChatGPT和API进行对话。
  3. 将ChatGPT或API的实验过程进行截图，并思考为什么ChatGPT能回答不同的文本。

网页端ChatGPT需自己注册，如果没有账号可以使用下面的ChatGPT API来完成打卡。

import requests
url = "https://openai.api2d.net/v1/chat/completions" # 服务域名+接口

headers = {
  'Content-Type': 'application/json',
  'Authorization': 'Bearer fkxxxxx' # <-- 把 fkxxxxx 替换成你自己的 Forward Key，注意前面的 Bearer 要保留，并且和 Key 中间有一个空格。
}

data = {
  "model": "gpt-3.5-turbo",
  "messages": [{"role": "user", "content": "你好！给我讲个笑话。"}]
}
response = requests.post(url, headers=headers, json=data)
print("Status Code", response.status_code)
print("JSON Response ", response.json())

在访问代理api时，如果出现问题，则建议替换下面的域名：

• https://openai.api2d.net 正式接口，分布式部署
• https://oa.api2d.net 备用接口，如果上一个无法使用（比如因为域名包含 openai 被屏蔽）可以使用这个
• https://oa.api2d.site，https://oa.api2d.online 临时域名，如果前两个都无法访问可以尝试这两个（过期时间 2024-06-15）
• https://stream.api2d.net 备用接口，如果前两个都无法使用，可以使用这个

#### 任务2：ChatGPT编写正则

• 任务说明：在ChatGPT中编写和使用正则表达式，以实现文本匹配和模式提取的功能。
• 待匹配文本：

Enron Dataset: Over half a million anonymized emails from over 100 users. It’s one of the few publically available collections of “real” emails available for study and training sets.

Google Blogger Corpus: Nearly 700,000 blog posts from blogger.com. The meat of the blogs contain commonly occurring English words, at least 200 of them in each entry.

SMS Spam Collection: Excellent dataset focused on spam. Nearly 6000 messages tagged as legitimate or spam messages with a useful subset extracted directly from Grumbletext.

Recommender Systems Datasets: Datasets from a variety of sources, including fitness tracking, video games, song data, and social media. Labels include star ratings, time stamps, social networks, and images.

Project Gutenberg: Extensive collection of book texts. These are public domain and available in a variety of languages, spanning a long period of time.

• 实践步骤：
  1. 编写prompt让ChatGPT写一个能识别首字母大写单词的正则。
  2. 编写prompt让ChatGPT写一个能识别首字母大写且字符个数小于10的正则。
  3. 编写prompt让ChatGPT写一个能识别单词末尾为标点符号的正则。
  4. 上述实验过程进行截图，通过Python代码验证ChatGPT输出正则的有效性。

### 任务3：ChatGPT自动EDA

• 任务说明：使用ChatGPT模型对表格数据进行自动EDA，以发现数据中的模式、趋势和特征。
• 任务数据集：

import pandas as pd
df = pd.read_csv('https://mirror.coggle.club/dataset/affairs.txt')
df.info()

• 实践步骤：
  1. 将数据集关键信息整理为prompt内容，让ChatGPT输出Pandas代码来统计每列缺失值。
  2. 编写prompt让ChatGPT输出Pandas代码来统计affairs列的分布并绘制饼图。
  3. 编写prompt让ChatGPT输出Pandas代码来统计affairs列在yrs_married下的分布并绘制柱状图。
  4. 编写prompt让ChatGPT输出Pandas代码来绘制age列和yrs_married列的散点图。
  5. 上述实验过程进行截图，通过Python代码验证ChatGPT输出Python代码的有效性。

### 任务4：ChatGPT文本分类

• 任务说明：了解如何使用ChatGPT模型实现文本分类，并将文本数据分配到正确的类别中。
• 任务训练集：

label	review
0	辣，饭冷啦，都两三小时才送来慢
0	足足等了將近一個半小時，飯也基本不太熱了，因為網上付款了所以吃飯就不退送餐費，所以你們就任意遲到，我說的有錯嗎
0	送餐的师傅，服务质量太差，送过来都已经坨了
1	送的慢了点
1	还行，就是速度好慢，一个多小时
0	好慢，差一点就超时能打五折了
0	皮太厚，不喜欢
0	卷饼味道真的很一般
0	就是太慢了，我12：44才收到，晚了一个小时，饭都凉了。
0	土豆要多煮一下

• 任务测试集：

label	review
0	味道没有传说中好
0	太糟了。等了两个小时,牛肉我吃的快吐了,再也不可能第二次
1	微辣一点都不辣啊
1	定很多次啦！菜很好吃！也很及时！
0	太慢了、恶死了

• 实践步骤：
  1. 在不使用训练集的情况下，编写prompt让ChatGPT对于输入的文本进行分类，需要支持输入5条文本一次回答得到所有类别结果，且分类结果为0或1。
  2. 在使用训练集的情况下，编写prompt让ChatGPT对于输入的文本进行分类，需要支持输入5条文本一次回答得到所有类别结果，且分类结果为0或1。
  3. 上述实验过程进行截图，哪种方法可以得到更加有效的结果，为什么？

### 任务5：ChatGPT实体抽取

• 任务说明：学习如何使用ChatGPT模型实现实体抽取，并从文本中准确地抽取出实体信息。
• 待处理文本：

山药去皮洗净，切成小丁，用水浸泡，避免氧化变色。豌豆剥好，冲洗干净。胡萝卜去皮洗净，切成小丁。葱姜末、小米椒碎准备好。

锅内加水，煮开后放入少许盐，倒入豌豆，煮几分钟，至豌豆断生，煮好后捞出沥干水分。

另起锅加油，烧热后倒入姜末、小米椒碎爆锅，再倒入胡萝卜、山药翻炒，炒两分钟。

最后倒入豌豆翻炒均匀，再加入盐、鸡精、葱末翻炒几下，就可以出锅了，很好吃下饭香，快尝尝吧。

• 实践步骤：
  1. 编写prompt让ChatGPT识别文本中的食物。
  2. 编写prompt让ChatGPT识别文本中的时间。
  3. 编写prompt让ChatGPT识别文本中的动作。
  4. 上述实验过程进行截图，人工验证抽取结果的有效性。

### 任务6：ChatGPT关系抽取

• 任务说明：将学习如何使用ChatGPT模型实现关系抽取，并从文本中准确地抽取出实体之间的关系信息。
• 待处理文本：

王小蒙的豆腐厂上线，每天忙里忙外，不得清闲。谢永强则专注自己的果园，和小蒙几天都见不上一面。两个孩子忙事业始终推迟婚期，急坏永强的父亲谢广坤。

赵玉田和刘英结婚后，开始忙于花圃的经营。来村中实习的女大学生陈艳南吸引了赵玉田的注意，刘英大吃其醋，无事忙刘能对女婿的做法也颇为不满。

香秀迎来了新同事王天来，李大国担心嫉妒，从中作梗。王天来单恋陈艳南，又和赵玉田矛盾不断。

长贵一方面想吸引王大拿来村里投资，一方面又怕谢大脚被大拿抢走，他和大脚之间若即若离，忽冷忽热，闹出不少笑话。

• 实践步骤：

  1. 编写prompt让ChatGPT识别文本中的人名和两者之间的关系。
  2. 编写prompt让ChatGPT识别文本中有夫妻关系的人名和关系。
  3. 编写prompt让ChatGPT识别文本中与香秀相关的人名和关系。
  4. 上述实验过程进行截图，人工验证抽取结果的有效性。

• 要求输出格式：

实体A - 关系1 - 实体B
实体B - 关系2 - 实体C

### 任务7：ChatGPT渲染表格

• 任务说明：使用ChatGPT模型来生成和渲染表格，以便将数据以表格形式展示。
• 待处理文本：

              precision    recall  f1-score   support

     class 0       0.50      1.00      0.67         1
     class 1       0.00      0.00      0.00         1
     class 2       1.00      0.67      0.80         3

    accuracy                           0.60         5
   macro avg       0.50      0.56      0.49         5
weighted avg       0.70      0.60      0.61         5

• 实践步骤：编写prompt让ChatGPT将数据集处理为如下格式，要求prompt越短越好。

|         | F1    | Recall |
| ------- | ----- | ------ |
| class 2 | 0.800 | 0.670  |
| class 1 | 0.000 | 0.000  |
| class 0 | 0.670 | 1.000  |

### 任务8：ChatGPT文本匹配

• 任务说明：使用ChatGPT的嵌入API，您可以将文本转换为嵌入向量，然后计算向量之间的相似度来实现文本匹配。
• 待处理数据集：

文本1	文本2	标签
魔兽世界坐骑去哪买	奥比岛在哪有皇室舞会的邀请函？	0
在淘宝去哪里充值好	在淘宝里怎么买火车票，哪里有	0
鱼不可以和什么蔬菜一起吃	鱼不能和什么药物一起吃	0
读音是什么？怎么组词	熙的读音和组词是什么？	1
七夕到了，单身该怎么过啊？	七夕单身的人怎么过？	1
什么品牌的智能手机好用	现在什么牌子的智能手机好用，又便宜呀	1
一个人怎么过七夕？	七夕一个人怎么过	1

import requests

url = "https://openai.api2d.net/v1/embeddings"

headers = {
  'Content-Type': 'application/json',
  'Authorization': 'Bearer fkxxxxx' # <-- 把 fkxxxxx 替换成你自己的 Forward Key，注意前面的 Bearer 要保留，并且和 Key 中间有一个空格。
}

data = {
    "model": "text-embedding-ada-002",
    "input": "Coggle数据科学"
}
response = requests.post(url, headers=headers, json=data)

print("Status Code", response.status_code)
print("JSON Response ", response.json())

• 实践步骤：
  1. 使用BERT对上面文本进行编码，然后计算每个样本句子相似度与标签的相关性。
  2. 使用ChatGPT对上面文本进行编码，然后计算每个样本句子相似度与标签的相关性。
  3. 上述实验过程进行截图，对比两种方法的有效性。