#image_title

Comment apprendre des outils logiciels inconnus avec ChatGPT

Je regrette de n’avoir jamais étudié le calcul à l’école et, au fil des années, j’ai fait quelques efforts pour combler cette lacune dans mes connaissances. Cela aurait été une autre histoire, j’en suis sûr, si j’avais eu la chance d’avoir Eddie Woo comme professeur de mathématiques ; c’est incroyable d’avoir ses cours disponibles à la demande. J’ai également appris des vidéos de Sal Khan, et cette fois-ci, je suis retourné à la Khan Academy pour voir comment son intégration de ChatGPT change l’expérience d’apprentissage.

Alors que je commençais à réaliser un exercice, le site Khan m’a présenté un graphique réalisé avec un outil dont je n’avais jamais entendu parler : GeoGebra. J’ai réalisé qu’il serait utile de savoir comment utiliser cet outil pour représenter graphiquement les concepts avec lesquels je travaillais : une équation parabolique ; une sécante ; et la course, la montée et la pente de la sécante. Je suis arrivé jusqu’à tracer la parabole, en utilisant f(x)=16-x^(2), mais je ne savais pas trop comment procéder. J’ai donc demandé à ChatGPT.

Il a fourni ces entrées GeoGebra :

ChatGPT

J’ai utilisé ces entrées pour tracer les points et tracer la ligne, et j’ai également vérifié que j’aurais pu utiliser le Indiquer et Doubler des outils pour faire les mêmes choses manuellement.

Ensuite, j’ai montré mes progrès — en collant une autre capture d’écran ! – et a posé des questions sur la pente de la ligne. (Vous ne pouvez pas encore le faire avec l’assistant intégré de Khan, mais vous pouvez le faire directement dans ChatGPT.)

ChatGPT
L’équation de la ligne sécante est fournie dans la sortie GeoGebra sous la forme y = -5x + 20. Cela signifie que la ligne chute de 5 unités verticalement pour chaque unité qu’elle se déplace horizontalement vers la droite.

Jon
Comment puis-je ajouter Rise and Run pour illustrer cela ?

ChatGPT

Cela n’a pas fonctionné, comme ChatGPT l’a reconnu lorsque je lui ai montré le résultat de ses instructions.

Il m’avait déjà montré la recette que ces entrées erronées étaient censées raccourcir : créer un triangle avec A, B et un nouveau point C directement à droite de A et directement au-dessus de B. Maintenant, il répétait ces instructions pour faire ces choses manuellement, en utilisant l’outil Ligne, et m’a également donné de nouveaux raccourcis.

ChatGPT

Cela a fonctionné, mais à présent, je maîtrisais GeoGebra et j’ai réalisé que je voulais vraiment juste des segments comme celui-ci.

Ensuite, je voulais montrer la pente et afficher les longueurs des segments. ChatGPT m’a donné la bonne entrée pour la pente : pente = Pente (g). Mais sa recette pour afficher les longueurs des segments impliquait l’ajout de lignes, d’étiquettes et de mesures codées en dur inutiles. J’ai trouvé une meilleure façon.

Jon
Il semble que je puisse simplifier en définissant simplement les propriétés d’étiquette et de valeur sur les segments.

ChatGPT
C’est exact. Dans GeoGebra, définir les propriétés d’étiquette et de valeur sur les segments est un moyen très efficace d’afficher les longueurs directement sur le graphique. Votre dernière image montre l’étiquette « run = 3 » correctement placée près du segment horizontal et l’étiquette « Rise = 15 » correctement placée près du segment vertical, ce qui est beaucoup plus clair.

Voici mon résultat final :

C’est un excellent exemple de la règle 7 des 7 principes directeurs pour travailler avec les LLM : Apprendre en faisant. Dans l’ère pré-LLM, j’aurais fini par arriver au même résultat, mais c’était une expérience radicalement meilleure. Bien sûr, l’idéal serait de réaliser l’exercice avec un coach humain connaissant à la fois les mathématiques et l’interface GeoGebra, mais en réalité, c’est rarement possible. Itérer sur mes tentatives de graphiques avec ChatGPT était un excellent moyen de relancer mon expérience GeoGebra. La connaissance de ChatGPT de l’interface de l’outil, bien qu’imparfaite, a été très utile. Et sa capacité époustouflante à voir et à réagir à mes tentatives indique une toute nouvelle façon d’apprendre à utiliser les logiciels.

Répliquer l’expérience

Pour vérifier s’il s’agissait d’un hasard, je suis passé à une tâche différente : la visualisation des résultats de la requête dans la métabase. Dans ce cas, j’avais beaucoup d’expérience avec le logiciel, mais cela faisait longtemps que je n’avais pas touché à Metabase. Ma connaissance était rouillée et Metabase avait probablement changé entre-temps.

Pour commencer, j’ai collé une image d’une question de métabase qui montrait un échantillon des données, ainsi que le volet de visualisation de l’outil, et j’ai demandé comment tracer les validations par mois.

ChatGPT

Vous devrez regrouper vos données par mois. Pour ce faire, vous pouvez utiliser l’option « Résumer ».

Dans le menu Résumer, recherchez l’option « Regrouper par ».

Choisissez la colonne « Date de l’auteur » pour effectuer le regroupement.

Ensuite, vous devriez avoir la possibilité d’ajuster le regroupement par « Mois » plutôt que par « Jour » ou « Année ».

C’était vrai en ce qui concerne Résumer et Par groupe. Mais il n’y avait pas d’option de regroupement par mois. Peut-être qu’il y en avait autrefois, ou peut-être que ChatGPT s’est trompé. En fouillant dans l’interface Metabase, j’ai redécouvert la possibilité de créer une colonne personnalisée et j’ai réalisé que je devais dériver une colonne AAAA-MM à partir du format AAAA-MM-JJ. Auteur Date colonne. Comment? ChatGPT a proposé deux approches plausibles, dont la seconde a fonctionné.

Maintenant, je voulais compter le nombre de contributeurs distincts par mois. Ces instructions ont fonctionné.

ChatGPT

Utilisez à nouveau l’option « Résumer » pour ajouter une nouvelle métrique.

Vous souhaiterez ajouter un nombre de contributeurs distincts. Pour ce faire, vous devez choisir l’option « Nombre de distincts… », qui peut être représentée par « Compte distinct » ou quelque chose de similaire.

Pour le décompte distinct, sélectionnez la colonne « Connexion de l’auteur » puisque c’est ce qui identifie chaque contributeur.

La métabase devrait automatiquement reconnaître que vous disposez de deux métriques différentes et vous proposer de créer un graphique multi-séries.

Ça faisait. À ce stade, j’ai réalisé le Connexion de l’auteur la colonne contenait des valeurs nulles que je devrais supprimer ; c’étaient mes instructions.

ChatGPT

Ouvrez le menu Filtre :

Recherchez le bouton « Filtrer » dans l’interface du générateur de requêtes, qui se trouve généralement à proximité du bouton « Résumer ».

Ajouter un nouveau filtre :

Cliquez sur « Filtre », puis choisissez d’ajouter un nouveau filtre.

Sélectionnez la colonne à filtrer :

Dans les options de filtre, sélectionnez la colonne « Connexion de l’auteur ».

Définissez les critères de filtre :

Définissez les critères sur « N’est pas » ou « N’est pas égal », puis sélectionnez ou tapez « null ». Cela indique à Metabase de filtrer toutes les lignes où la « Connexion de l’auteur » est nulle.

Le véritable critère s’avère être pas vide. C’était évident pour moi, mais et si vous n’étiez pas sûr ? J’ai montré mon écran et demandé de vérifier le choix.

De manière assez remarquable, ChatGPT a non seulement confirmé que pas vide était le bon choix, mais il pouvait apparemment détecter que je l’avais déjà sélectionné.

ChatGPT
Vous avez déjà sélectionné le filtre correct pour exclure les valeurs nulles. L’option « non vide » filtrera toutes les lignes où le champ « Connexion de l’auteur » est nul ou vide.

Maintenant, je voulais compter le nombre de pensions distinctes par mois. Cette information est implicite dans les données – le URL_html La colonne comprend les noms de dépôt qui doivent simplement être extraits avec une expression régulière. Je n’ai jamais donné à ChatGPT une chaîne comme https://github.com/turbot/steampipe/commit/a4b12…ni une astuce sur l’utilisation d’une expression régulière pour extraire le nom du dépôt (turbot/pipe à vapeur, dans ce cas), mais cela n’était pas nécessaire. Il a compris quoi faire et m’a montré comment.

Comme il s’avère, extraction régulière est la bonne fonction Metabase, et c’était exactement la bonne incantation pour ma nouvelle colonne personnalisée.

Comme pour GeoGebra, les connaissances de ChatGPT sur Metabase étaient incomplètes mais néanmoins très utiles. Et le flux de travail, qui impliquait encore une fois l’affichage de captures d’écran des résultats intermédiaires, s’est encore une fois révélé d’une efficacité choquante.

Quand les humains et les machines lisent tous deux les documents

Dans Comment utiliser les LLM pour la documentation dynamique, j’ai souligné que demander aux LLM des commentaires à la volée sur le code peut être un complément utile aux commentaires écrits par les auteurs de code. Il semble que les LLM pourront compléter utilement la documentation logicielle de la même manière.

Idéalement, des outils comme GeoGebra et Metabase fournissent des interfaces si intuitives que vous avez rarement besoin de lire la documentation, et vous pouvez apprendre le logiciel simplement en y fouillant. En réalité, bien sûr, nous avons besoin de ces documents – et encore faut-il qu’ils soient excellents. Mais maintenant, nous allons en tirer un nouvel avantage. Lorsque nous pourrons nous associer à des machines qui ont lu la documentation et regarder par-dessus nos épaules pendant que nous essayons de faire les choses décrites dans la documentation, nous dynamiserons notre capacité à plonger dans des outils logiciels inconnus et à apprendre rapidement comment les utiliser.

Groupe Créé avec Sketch.
www.actusduweb.com
Suivez Actusduweb sur Google News


Ce site utilise des cookies pour améliorer votre expérience. Nous supposerons que cela vous convient, mais vous pouvez vous désinscrire si vous le souhaitez. J'accepteLire la suite