Hugging Face AI Sheets არის ახალი, ღია წყაროს მქონე ინსტრუმენტი, რომელიც ხელოვნური ინტელექტის მოდელების გამოყენებით მონაცემთა ნაკრებების შექმნას, გამდიდრებასა და ტრანსფორმაციას უზრუნველყოფს კოდის წერის გარეშე (no-code). ინსტრუმენტის განთავსება შესაძლებელია ლოკალურად ან Hugging Face Hub-ზე. ის საშუალებას გაძლევთ გამოიყენოთ Hugging Face Hub-დან ათასობით ღია მოდელი, Inference Providers-ის ან ლოკალური მოდელების მეშვეობით, მათ შორის OpenAI-ის gpt-oss! გამოსცადეთ ინსტრუმენტი უფასოდ (ინსტალაცია საჭირო არ არის): https://huggingface.co/spaces/aisheets/sheets დააინსტალირეთ და გაუშვით ლოკალურად: https://github.com/huggingface/sheets AI Sheets არის no-code ინსტრუმენტი მონაცემთა ნაკრებების შექმნის, ტრანსფორმაციისა და გამდიდრებისთვის (ღია) ხელოვნური ინტელექტის მოდელების გამოყენებით. ის მჭიდროდ არის ინტეგრირებული Hub-თან და ღია წყაროს AI ეკოსისტემასთან. AI Sheets იყენებს ადვილად შესასწავლ მომხმარებლის ინტერფეისს, რომელიც ცხრილის მსგავსია. ინსტრუმენტი შექმნილია სწრაფი ექსპერიმენტებისთვის, დაწყებული მცირე მონაცემთა ნაკრებებით, სანამ გადახვალთ ხანგრძლივ/ძვირადღირებულ მონაცემთა გენერირების პროცესებზე. AI Sheets-ში ახალი სვეტები იქმნება მოთხოვნების (prompts) დაწერით და შეგიძლიათ იმდენჯერ გაიმეოროთ პროცესი, რამდენჯერაც დაგჭირდებათ, უჯრედების რედაქტირებით/ვალიდაციით, რათა მოდელს ასწავლოთ, თუ რა გსურთ. ამაზე უფრო დეტალურად მოგვიანებით! **AI Sheets-ის გამოყენება შეგიძლიათ:** **მოდელების შესადარებლად და შესამოწმებლად.** წარმოიდგინეთ, რომ გსურთ უახლესი მოდელების ტესტირება თქვენს მონაცემებზე. შეგიძლიათ შემოიტანოთ მონაცემთა ნაკრები მოთხოვნებით/კითხვებით და შექმნათ რამდენიმე სვეტი (თითო მოდელისთვის თითო) ასეთი მოთხოვნით: უპასუხეთ შემდეგს: {{prompt}}, სადაც prompt არის სვეტი თქვენს მონაცემთა ნაკრებში. შედეგების ვალიდაცია შეგიძლიათ ხელით ან შექმნათ ახალი სვეტი LLM-ით, როგორც შემფასებელი მოთხოვნა, ასე: შეაფასეთ პასუხები შემდეგ კითხვაზე: {{prompt}}. პასუხი 1: {{model1}}. პასუხი 2: {{model2}}, სადაც model1 და model2 არის სვეტები თქვენს მონაცემთა ნაკრებში სხვადასხვა მოდელის პასუხებით. **თქვენი მონაცემებისა და კონკრეტული მოდელებისთვის მოთხოვნების გასაუმჯობესებლად.** წარმოიდგინეთ, რომ გსურთ აპლიკაციის შექმნა მომხმარებლის მოთხოვნების დასამუშავებლად და ავტომატური პასუხების გასაცემად. შეგიძლიათ ჩატვირთოთ მომხმარებლის მოთხოვნების ნიმუში მონაცემთა ნაკრები და დაიწყოთ ექსპერიმენტები სხვადასხვა მოთხოვნებითა და მოდელებით პასუხების გენერირებისთვის. AI Sheets-ის ერთ-ერთი საინტერესო ფუნქციაა ის, რომ შეგიძლიათ გამოხმაურების მიწოდება უჯრედების რედაქტირებით ან ვალიდაციით. ეს მაგალითი უჯრედები ავტომატურად დაემატება თქვენს მოთხოვნებს. შეგიძლიათ აღიქვათ ის, როგორც ინსტრუმენტი, რომელიც ძალიან ეფექტურად აკონფიგურირებს მოთხოვნებს (prompts) და უმატებს few-shot მაგალითებს თქვენს მოთხოვნებს, რეალურ დროში მონაცემებზე დაკვირვებით! **მონაცემთა ნაკრების ტრანსფორმაციისთვის.** წარმოიდგინეთ, რომ გსურთ თქვენი მონაცემთა ნაკრების ერთ-ერთი სვეტის გასუფთავება. შეგიძლიათ დაამატოთ ახალი სვეტი ისეთი მოთხოვნით, როგორიცაა: ამოიღეთ ზედმეტი სასვენი ნიშნები შემდეგი ტექსტიდან: {{text}}, სადაც text არის სვეტი თქვენს მონაცემთა ნაკრებში, რომელიც შეიცავს გასასუფთავებელ ტექსტებს. **მონაცემთა ნაკრების კლასიფიკაციისთვის.** წარმოიდგინეთ, რომ გსურთ თქვენს მონაცემთა ნაკრებში არსებული კონტენტის კლასიფიკაცია. შეგიძლიათ დაამატოთ ახალი სვეტი ისეთი მოთხოვნით, როგორიცაა: დააკატეგორიზეთ შემდეგი ტექსტი: {{text}}, სადაც text არის სვეტი თქვენს მონაცემთა ნაკრებში, რომელიც შეიცავს დასაკატეგორიზებელ ტექსტებს. **მონაცემთა ნაკრების ანალიზისთვის.** წარმოიდგინეთ, რომ გსურთ თქვენს მონაცემთა ნაკრებში ძირითადი იდეების ამოღება. შეგიძლიათ დაამატოთ ახალი სვეტი ასეთი მოთხოვნით: ამოიღეთ ყველაზე მნიშვნელოვანი იდეები შემდეგიდან: {{text}}, სადაც text არის სვეტი თქვენს მონაცემთა ნაკრებში, რომელიც შეიცავს გასაანალიზებელ ტექსტებს. **მონაცემთა ნაკრების გამდიდრებისთვის.** წარმოიდგინეთ, რომ გაქვთ მონაცემთა ნაკრები მისამართებით, რომლებსაც აკლიათ საფოსტო ინდექსები. შეგიძლიათ დაამატოთ ახალი სვეტი ასეთი მოთხოვნით: იპოვეთ შემდეგი მისამართის საფოსტო ინდექსი: {{address}} (ამ შემთხვევაში, ზუსტი შედეგების მისაღებად უნდა გააქტიუროთ ოფცია „Search the web“). **სინთეზური მონაცემთა ნაკრების გენერირებისთვის.** წარმოიდგინეთ, რომ გჭირდებათ მონაცემთა ნაკრები რეალისტური ელ. ფოსტის მისამართებით, მაგრამ მონაცემები მიუწვდომელია კონფიდენციალურობის მიზეზების გამო. შეგიძლიათ შექმნათ მონაცემთა ნაკრები ასეთი მოთხოვნით: დაწერეთ მოკლე აღწერა ფარმაცევტული კომპანიების სფეროში მომუშავე პროფესიონალის შესახებ და დაარქვით სვეტს person_bio. შემდეგ შეგიძლიათ შექმნათ კიდევ ერთი სვეტი ასეთი მოთხოვნით: დაწერეთ რეალისტური პროფესიული ელ. ფოსტა, თითქოს ის დაწერილია შემდეგი პიროვნების მიერ: {{person_bio}}. ახლა განვიხილოთ, როგორ გამოვიყენოთ ის! AI Sheets დაწყების ორ გზას გთავაზობთ: არსებული მონაცემების იმპორტირება ან მონაცემთა ნაკრების ნულიდან გენერირება. მონაცემების ჩატვირთვის შემდეგ, შეგიძლიათ მისი დახვეწა სვეტების დამატებით, უჯრედების რედაქტირებით და კონტენტის რეგენერირებით. დასაწყებად, თქვენ უნდა შექმნათ ის ნულიდან ბუნებრივი ენით აღწერით ან შემოიტანოთ არსებული მონაცემთა ნაკრები. **საუკეთესოა:** AI Sheets-თან გაცნობისთვის, იდეების გენერირებისთვის (brainstorming), სწრაფი ექსპერიმენტებისთვის და სატესტო მონაცემთა ნაკრებების შესაქმნელად. აღიქვით ეს, როგორც ავტომატური მონაცემთა ნაკრების ან prompt-to-dataset ფუნქცია — თქვენ აღწერთ, რა გსურთ და AI Sheets ქმნის მთელ მონაცემთა ნაკრების სტრუქტურასა და კონტენტს თქვენთვის. **როდის გამოვიყენოთ: როგორ მუშაობს: მაგალითი** თუ ჩაწერთ ასეთ მოთხოვნას: მსოფლიოს ქალაქები, მათ ქვეყნებთან და თითოეულისთვის ღირსშესანიშნაობის სურათთან ერთად, გენერირებული Ghibli სტილში: AI Sheets ავტომატურად შექმნის მონაცემთა ნაკრებს სამი სვეტით. ეს მონაცემთა ნაკრები შეიცავს მხოლოდ ხუთ სტრიქონს, მაგრამ შეგიძლიათ დაამატოთ მეტი უჯრედი თითოეულ სვეტზე ჩამოთრევით, მათ შორის სურათის სვეტზეც! ასევე შეგიძლიათ ჩაწეროთ ელემენტები ნებისმიერ უჯრედში და შეავსოთ დანარჩენი ჩამოთრევით. შემდეგი სექციები გაჩვენებთ, როგორ განავითაროთ და გააფართოვოთ მონაცემთა ნაკრები. საუკეთესოა: უმეტეს შემთხვევაში, როდესაც გსურთ მონაცემების ტრანსფორმაცია, კლასიფიცირება...