Почему промты для Data Science экономят часы работы
Data Science — это не только математика и статистика, но и рутина: очистка данных, подбор гиперпараметров, построение графиков. По данным опроса Kaggle State of Data Science 2023, более 60% времени дата-сайентисты тратят на подготовку и очистку данных. AI-ассистенты, такие как ChatGPT, Claude или GitHub Copilot, позволяют автоматизировать эти задачи с помощью правильно составленных промтов.
В этой подборке — 12 проверенных промтов для полного цикла работы: от разведочного анализа до интерпретации модели. Каждый промт сопровождается примером запроса и ожидаемым результатом. Все примеры используют реальные библиотеки: pandas, scikit-learn, matplotlib, seaborn. Вы можете адаптировать их под свои данные.
1. Разведочный анализ данных (EDA) с автоматической генерацией отчёта
Задача: быстро получить сводку по датасету: распределения, пропуски, корреляции, выбросы.
Промт:
Ты — опытный дата-сайентист. Проанализируй датасет, загруженный в pandas DataFrame `df`. Выведи:
- размер, типы данных, количество пропусков по столбцам
- описательные статистики для числовых и категориальных признаков
- матрицу корреляций (только для числовых)
- топ-5 признаков с наибольшей корреляцией с целевой переменной `target`
- список возможных выбросов (метод IQR)
Сгенерируй код на Python с комментариями и выведи результаты в читаемом виде.
Пример использования:
import pandas as pd
df = pd.read_csv('data.csv')
# Вставляем промт в AI-ассистент, получаем код:
print(df.info())
print(df.describe(include='all'))
print(df.isnull().sum())
import seaborn as sns
import matplotlib.pyplot as plt
sns.heatmap(df.corr(), annot=True, cmap='coolwarm')
plt.show()
Результат: AI сгенерирует полный скрипт для EDA, включая визуализации. Вы сэкономите 30-40 минут рутинного кода.
2. Очистка и предобработка данных
Задача: автоматически обработать пропуски, выбросы, категориальные признаки.
Промт:
Напиши функцию `clean_data(df)`, которая:
- заполняет пропуски в числовых столбцах медианой, в категориальных — модой
- удаляет выбросы за пределами 1.5*IQR
- кодирует категориальные признаки с помощью OneHotEncoder (для <10 уникальных) или TargetEncoder
- масштабирует числовые признаки с помощью StandardScaler
Верни очищенный DataFrame и список выполненных преобразований.
Пример: AI предложит использовать sklearn.compose.ColumnTransformer и Pipeline. Это сразу готовый production-код.
3. Выбор модели и базовый бенчмарк
Задача: сравнить несколько алгоритмов на ваших данных.
Промт:
У меня задача классификации (или регрессии) с датасетом `X`, `y`. Сравни 5 моделей: LogisticRegression, RandomForest, GradientBoosting, SVM, KNN. Используй кросс-валидацию на 5 фолдов. Выведи таблицу с метриками: accuracy, precision, recall, F1, ROC-AUC. Определи лучшую модель и объясни почему.
Результат: AI сгенерирует код с cross_validate и сравнительной таблицей. Пример вывода:
| Модель | Accuracy | F1 | ROC-AUC |
|---|---|---|---|
| RandomForest | 0.89 | 0.88 | 0.92 |
| GradientBoosting | 0.91 | 0.90 | 0.94 |
| LogisticRegression | 0.82 | 0.80 | 0.85 |
4. Гиперпараметрическая настройка (GridSearch, Optuna)
Задача: подобрать оптимальные параметры модели.
Промт:
Напиши код для подбора гиперпараметров RandomForestClassifier с помощью Optuna. Определи пространство поиска: n_estimators (100-1000), max_depth (3-20), min_samples_split (2-10). Запусти 50 trials, выведи лучшие параметры и значение метрики.
Пример: AI сгенерирует готовый скрипт с optuna.create_study(). Это ускорит подбор в 2-3 раза по сравнению с GridSearch.
5. Интерпретация модели с SHAP
Задача: объяснить, какие признаки влияют на предсказания.
Промт:
Построй SHAP-объяснения для обученной модели `model` на данных `X`. Выведи summary_plot и dependence_plot для топ-3 признаков. Интерпретируй результаты: какие признаки увеличивают вероятность класса 1, а какие уменьшают.
Результат: AI покажет код с shap.TreeExplainer и текстовую интерпретацию. Это критично для бизнес-заказчиков.
6. Визуализация данных: от простых графиков до интерактивных дашбордов
Задача: создать понятные графики для отчёта.
Промт:
Сгенерируй код для визуализации: 1) распределение целевой переменной (гистограмма + KDE), 2) boxplot для числовых признаков по классам, 3) scatter plot с линией регрессии для двух важных признаков, 4) heatmap корреляций. Используй matplotlib и seaborn, настрой стиль 'whitegrid', размер фигуры 12x8.
Пример: AI создаст готовый скрипт, который можно вставить в Jupyter Notebook. Вы получите публикационные графики за 5 минут.
7. Работа с временными рядами
Задача: анализ и прогнозирование временных рядов.
Промт:
У меня временной ряд с ежедневными продажами. Проверь стационарность (ADF-тест), построй ACF/PACF, обучи модель SARIMA и выведи прогноз на 30 дней вперёд с доверительными интервалами. Визуализируй исходный ряд и прогноз.
Результат: AI сгенерирует код с statsmodels.tsa.statespace.SARIMAX. Это сэкономит часы на подборе параметров.
8. Обработка текстовых данных (NLP)
Задача: классификация текстов или извлечение признаков.
Промт:
Напиши пайплайн для классификации текстов: очистка (удаление стоп-слов, лемматизация), векторизация TF-IDF, обучение LogisticRegression. Оцени качество с помощью classification_report. Выведи топ-10 слов, наиболее важных для каждого класса.
Пример: AI предложит использовать TfidfVectorizer и LogisticRegression из scikit-learn. Для более сложных задач можно попросить подключить трансформеры (BERT).
9. Автоматизация отчётов с pandas-profiling
Задача: быстро создать HTML-отчёт по данным.
Промт:
Сгенерируй отчёт с помощью pandas-profiling (ydata-profiling) для DataFrame `df`. Сохрани в файл 'report.html'. Выведи основные выводы: пропуски, распределения, корреляции.
Результат: AI напишет код с ProfileReport. Вы получите полноценный EDA-отчёт за одну команду.
10. Подготовка данных для соревнований на Kaggle
Задача: быстро создать baseline для соревнования.
Промт:
Ты — Kaggle Grandmaster. У меня датасет train.csv и test.csv. Напиши код для: 1) загрузки и объединения данных, 2) feature engineering (создай 5 новых признаков на основе существующих), 3) обучения LightGBM с early stopping, 4) предсказания на тесте и сохранения submission.csv.
Пример: AI сгенерирует полный скрипт, который можно запустить сразу. Это сэкономит день работы.
11. Отладка ошибок в коде
Задача: AI поможет исправить баги в Python-коде для Data Science.
Промт:
Мой код выдаёт ошибку: ValueError: Input contains NaN, infinity or a value too large for dtype('float64'). Вот код: [вставьте код]. Объясни причину и предложи исправление.
Результат: AI проанализирует код, укажет на пропуски или бесконечности и предложит добавить df.dropna() или np.isfinite(). Это ускоряет отладку в разы.
12. Интерпретация результатов и написание выводов
Задача: перевести метрики модели на бизнес-язык.
Промт:
У меня модель с accuracy=0.92, precision=0.88, recall=0.85. Напиши краткое резюме для бизнес-заказчика: что означают эти метрики, какие риски (ложноположительные/ложноотрицательные), и какие рекомендации по улучшению.
Результат: AI сгенерирует текст, который можно вставить в отчёт. Это экономит время на коммуникацию с заказчиком.
Заключение
Промты для Data Science — это не замена знаний, а ускоритель рутинных задач. Они позволяют сосредоточиться на творческой части: постановке гипотез, интерпретации результатов и принятии решений. Используйте эти шаблоны как основу, адаптируйте под свои данные и экспериментируйте.
Помните: AI-ассистент не гарантирует безошибочный код. Всегда проверяйте результаты, особенно в критичных задачах. Начните с одного промта из подборки, интегрируйте его в свой workflow и оцените экономию времени. Удачи в Data Science!
Comments