5个ChatGPT插件，让你领先于99%的数据科学家！
如今，插件越来越受欢迎。它们通过使用ChatGPT的功能来增强你所完成的任务，还可以帮助你节省时间。
正如我所说，一段时间后，这种熟练程度将被添加到职位描述中，我已经在Upwork的职位描述中看到了ChatGPT。
实际上，我申请了上面这份工作，因为我真的很想看到ChatGPT在业务中的另一种用法。我已经在当前的工作中使用ChatGPT，但我想看到更多，但我们无法就价格达成一致。
这就是为什么，ChatGPT插件绝对会增加你实现梦想工作的机会。
在这篇文章中，我将向你展示5个ChatGPT插件，让你领先于99%的数据科学家。如果你想了解更多关于求职的相关内容，可以阅读以下这些文章：
数据科学家必备：Git操作指南
从优秀到卓越：数据科学家的Python技能进化之路
每个数据科学家都应该避免的十大统计错误
每个数据科学家都应该知道的12个Python特性！
听起来不可思议，对吧？
有一件事可以肯定，那些了解这些ChatGPT插件的数据科学家，就像超级人类对普通数据科学家一样。
我不喜欢说普通数据科学家。
然而，我相信你读完本文后会同意我的说法。
让我们从ChatWithVideo开始。
ChatWithVideo
正如你所看到的，Chat拥有广泛的插件系列，可以帮助你与网站、Pdf、Git和Videos进行交流。所有这些插件都非常有用且易于使用。
在这里，我将向你解释我如何利用ChatWithVideo。
我们都知道，内容应该具有吸引人的标题，但其中一些可能是标题党，可能会导致你浪费重要的时间。
但有了ChatWithVideo，你可以从Youtube视频中提取文本并利用ChatGPT的功能与其进行对话。
让我使用一个Krish Naik videos来演示。我喜欢他的视频，我认为它们内容丰富，所以我不认为这是标题党，假设我没有时间，但我对内容很好奇。
这是我选择的视频：
链接：https://www.youtube.com/watch?v=qgf4_5ximzI
这个视频我至少看了3遍，如果你需要灵感，我真的建议你去看一下。
让我们使用ChatWithVideo查看该视频的摘要：
AskYourPDF
ChatGPT的AskYourPDF插件是一款开创性的工具，正在改变数据科学家和机器学习爱好者学习和获取信息的方式。
AskYourPDF允许用户有效地从文本中提取最相关的见解，而不是从头到尾阅读书籍。
要使用此插件，首先必须通过插件商店安装它，你可以从这里查看详细信息。
安装后，用户可以上传PDF、TXT、PPT、CSV、EPUB和RTF等各种格式的文件（最大40MB）。
以下是ChatGPT描述的步骤：
- 应该在此处上传文档
- 上传后，插件会提供一个文档ID(doc_id)，可以输入到ChatGPT中
- 然后，你可以与ChatGPT互动，提出问题并从上传的文档中获取摘要信息和见解
你可以像下方的格式去使用：
Here is my doc_id {}
Can you tell me, what this book about?该插件特别适用于从你上传的文档中提取关键概念、代码示例或其他任何内容。
Wolfram
Wolfram是一个关于统计和数学的插件。它将为你提供公式、图表并进行计算。
事实上，ChatGPT的计算能力并不是很强。如果你尝试用它来做计算，一定要仔细检查一下，因为我遇到了太多的计算错误，据我所知实际上他们计划在ChatGPT-5中解决这个问题。
但好消息是，wolfram将帮助你更准确地进行这些计算。
让我给你举一个例子，来自我一篇等待出版审批的文章。
我的提示：什么是伯努利分布？请给出公式。
伯努利分布是一种离散概率分布，描述单个实验的结果，其中只有两种可能的结果，通常称为“成功”和“失败”。伯努利分布是二项式分布的特例，其中试验次数为1。
另外，你可以要求ChatGPT通过抛硬币的结果来实现它的分配，这里的结果将是这样的：
代码在这里：
import numpy as np
import matplotlib.pyplot as plt
# Simulate 1000 coin tosses (Bernoulli trials) with a fair coin
coin_tosses = np.random.binomial(n=1, p=0.5, size=1000)
# Count the number of tails (0) and heads (1)
heads = np.count_nonzero(coin_tosses)
tails = 1000 - heads
# Plot the results
plt.bar(["Heads", "Tails"], [heads, tails])
plt.title('Simulated Bernoulli Distribution (Coin Tosses)')
plt.xlabel('Outcome')
plt.ylabel('Frequency')
plt.show()
NoteableNoteable
这是我最喜欢的之一，稍后你就会明白为什么，但让我解释一下。
首先，它是免费使用的，其次，我已经等待了太长时间的代码解释器插件，不幸的是我还在等待。这个插件将使你有机会做同样的事情，但让我们看一个例子。
加载此插件后，这是示例提示：
Load this dataset : https://github.com/gncll/Tutorials/blob/main/DataDriven2022.csv
Use this as my default project: https://app.noteable.io/p/393578e7-e0e6-498a-9c76-fab32d850fe1/Medium-Article-Data
Act as a data scientist and analyze this dataset这是Noteable的示例输出。
此外，它会立即在你的帐户中创建一个笔记本，如下所示。
在下面的代码中，你可以看到Notebook中的代码，其中包含上图的Python代码。
实在是太不可思议了。
Upskillr
它将构建课程，但我喜欢它创建如下所示的大纲。
而且，它还会以发送谷歌文档的形式发送包含整篇文章的文档，但不幸的是，它后期会收费。
不过，你可以利用它的免费增值计划，直到它完成，这是之后的定价计划。
Final Words
在本教程中，我们介绍了最适合数据科学家的5个插件。我希望你能利用它们，提高自己在数据科学方面的专业能力。
感谢你的阅读。你还可以订阅我们的YouTube频道，观看大量大数据行业相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/
“机器学习是人类需要做出的最后一项发明。”——Nick Bostrom
原文作者：BY Gencay I
翻译作者：黄豆
美工编辑：过儿
校对审稿：Chuang
原文链接：https://levelup.gitconnected.com/5-chatgpt-plugins-that-will-put-you-ahead-of-99-of-data-scientists-4544a3b752f9
