استفاده از NotebookLM گوگل برای علم داده: راهنمای جامع – KDnuggets

تصویر توسط نویسنده
 

همانطور که دنیای علم داده به طور مداوم در حال تکامل است، ابزارها و فناوری های مورد استفاده توسط متخصصان در این زمینه نیز پیشرفت می کنند. NotebookLM Google یک راه منحصر به فرد و قدرتمند برای درک داده ها و اطلاعات شما ارائه می دهد. این پست وبلاگ به این موضوع می پردازد که NotebookLM چیست، چگونه کار می کند، و امکانات متعددی را که برای محققان علم داده باز می کند.

محصول آزمایشی جدید Google، NotebookLM، بر اساس آخرین پیشرفت‌ها در مدل‌های زبان بزرگ ساخته شده است. این شبیه به دیگر برنامه های کاربردی مدل بزرگ زبان (LLM) مانند ChatPDF، ChatGPT و Poe است که به کاربران اجازه می دهد فایل های داده را آپلود کنند و سؤالات فوری را مطرح کنند. این اپلیکیشن ها همان ویژگی ها و قابلیت ها را ارائه می دهند.

پس چرا خاص است؟

NotebookLM یک برنامه تخصصی است که به شما امکان آپلود حداکثر 10 سند را می دهد. می توانید به راحتی منابع خود را آپلود کنید، که ممکن است شامل Google Docs، PDF از رایانه شما یا هر محتوای متنی کمتر از 50,000 کلمه باشد.

NotebookLM محدودیت های استفاده از ChatGPT و Poe را برطرف می کند. این به شما امکان می دهد بیش از سه سند را بارگذاری کنید و اسناد بزرگ را در چند ثانیه درک کنید.

استفاده از NotebookLM ساده است. می‌توانید اسناد Google، فایل‌های PDF را از رایانه خود یا هر محتوای متنی در چند ثانیه آپلود کنید. هنگامی که منابع شما آپلود می شوند، NotebookLM ابزار اصلی شما برای پرس و جو و طوفان فکری خلاقانه می شود.

ابتدا به وب‌سایت notebooklm.google.com می‌رویم و یک پروژه ایجاد می‌کنیم.

 

 

من فایل های پی دی اف مقالات تحقیقاتی محبوب در مورد یادگیری تقویتی را دانلود کرده ام:

1. کنترل مستمر با یادگیری تقویتی عمیق
2. بازی آتاری با یادگیری تقویتی عمیق
3. یادگیری تقویتی عمیق با یادگیری Q Double

سپس این PDF ها را یکی یکی در پروژه خود آپلود می کنیم.

 

پس از آپلود فایل ها، آن ها را برای استفاده به عنوان زمینه انتخاب می کنیم.

 

 

خلاصه سازی

ما مقاله تحقیقاتی "کنترل مستمر با یادگیری تقویتی عمیق" را انتخاب می کنیم و از NotebookLM می خواهیم که آن را برای ما خلاصه کند.

درخواست: «لطفاً می‌توانید مقاله پژوهشی را برای من خلاصه کنید؟ سعی کنید از نقاط گلوله استفاده کنید."

 

 

فقط چند ثانیه طول کشید تا جواب گرفت. سوالات تکمیلی نیز ارائه شد.

استخراج اصطلاحات

ما از آن می خواهیم که اکنون فهرستی از اصطلاحات کلیدی مورد استفاده در مقاله ایجاد کند.

درخواست: «فهرست اصطلاحات کلیدی استفاده شده در این مقاله را ایجاد کنید.»

 

 

این نه تنها عبارات کلیدی را در اختیار ما قرار داد، بلکه مکان آنها را نیز در مقاله نشان داد.

تجزیه و تحلیل یادگیری تقویتی

اکنون از هر سه مقاله برای درک روند تحقیق استفاده خواهیم کرد.

اعلان: «هر سه مقاله تحقیقاتی را تجزیه و تحلیل کنید و تحلیلی از وضعیت فعلی تحقیقات در مورد یادگیری تقویتی ارائه دهید.»

 

 

واقعا عالی عمل کرد

کمک خلاق

اکنون از آن استفاده می کنیم و از هوش مصنوعی می خواهیم که به ما کمک کند تا در مورد عنوان پروژه سال آخر تصمیم بگیریم که شغلی به عنوان مهندس یادگیری ماشین تضمین می کند.

درخواست: «با استفاده از سه مقاله، یک عنوان تحقیقی جدید ایجاد کنید تا به من کمک کند شغلی به‌عنوان یک مهندس تقویت‌کننده تحقیقاتی کسب کنم.»

 

 

خوب است. اما عالی نیست.

استناد

هر گونه سوالی در مورد منابع خود بپرسید، NotebookLM با پاسخ هایی که با نقل قول از آن اسناد تکمیل می شود، پاسخ خواهد داد.

 

 

راهنمای سند

هنگامی که منبع جدیدی را آپلود می کنید، NotebookLM یک "راهنمای منبع" ایجاد می کند که سند را خلاصه می کند و موضوعات و سوالات کلیدی را پیشنهاد می کند.

 

 

یادداشت برداری

هر نوت‌بوک حاوی بخشی برای یادداشت‌ها است، جایی که می‌توانید ایده‌ها یا اطلاعات کشف‌شده توسط NotebookLM را یادداشت کنید.

 

 

• سازگاری با دستگاه: در حال حاضر، NotebookLM بهترین تجربه را در رایانه رومیزی دارد.
• محدودیت‌های دسترسی: در ابتدا فقط در ایالات متحده و برای حساب‌های شخصی Google در دسترس است.
• محدودیت‌های محتوا: هر نوت‌بوک می‌تواند شامل ده منبع و یک یادداشت باشد که هر منبع 50,000 کلمه است.

• ویژگی‌های مشارکتی: نوت‌بوک‌ها را می‌توان با همکاران یا همکلاسی‌ها به اشتراک گذاشت و به Viewer یا Editor دسترسی پیدا کرد.
• تعامل چند منبع: کاربران می‌توانند بین تعامل با یک منبع واحد یا همه منابع در یک نوت بوک جابه‌جا شوند.

NotebookLM در مرحله آزمایش اولیه است و در حال حاضر رایگان است. دسترسی به تدریج برای گروه‌های کوچکی از افراد باز می‌شود و یک گزینه ثبت‌نام برای علاقه‌مندان به پیوستن به لیست انتظار در دسترس است.

در حالی که NotebookLM فرصت های هیجان انگیزی را ارائه می دهد، بسیار مهم است که به محتوایی که باید آپلود کنید توجه داشته باشید. از اسناد حاوی اطلاعات شخصی یا حساس خودداری کنید. همچنین، توجه داشته باشید که این یک پروژه آزمایشی است و در حال حاضر محدود به پروژه‌هایی است که در برنامه دسترسی اولیه هستند.

NotebookLM گوگل یک پیشرفت مهم در نحوه رمزگشایی اطلاعات پیچیده توسط دانشمندان و متخصصان داده است. از آنجایی که بیشتر اطلاعات ما در فایل‌های PDF است و در رایانه‌ها ذخیره می‌شود، NotebookLM به شما این امکان را می‌دهد تا با افزودن همه فایل‌ها و پرسیدن سؤالات ضروری، قرارداد قانونی خود را درک کنید. اگرچه NotebookLM در مقایسه با ChatGPT فاقد برخی ویژگی‌ها و دقت است، اما پتانسیل زیادی برای تبدیل شدن به یک ابزار ضروری در فضای کاری شما با ادامه تکامل دارد.

 
 

عابد علی اعوان (@1abidaliawan) یک متخصص دانشمند داده معتبر است که عاشق ساخت مدل های یادگیری ماشینی است. در حال حاضر، او بر تولید محتوا و نوشتن وبلاگ های فنی در زمینه یادگیری ماشین و فناوری های علم داده تمرکز دارد. عابد دارای مدرک کارشناسی ارشد در رشته مدیریت فناوری و مدرک کارشناسی در رشته مهندسی مخابرات است. چشم انداز او ساخت یک محصول هوش مصنوعی با استفاده از یک شبکه عصبی نمودار برای دانش آموزانی است که با بیماری های روانی دست و پنجه نرم می کنند.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://www.kdnuggets.com/using-google-notebooklm-for-data-science-a-comprehensive-guide?utm_source=rss&utm_medium=rss&utm_campaign=using-googles-notebooklm-for-data-science-a-comprehensive-guide