AI

R: Från datahantering till visualisering

Daniel Väisänen, PhD

GIH Swedish School of Sport and Health Scienses

Note

Det är möjligt att AI kommer att skriva all kod i framtiden.
Men vi måste fortfarande ha en viss kunskap för att veta vad vi ska be den om.

Verktyg

  • Microsoft Copilot
  • GitHub Copilot - gratis för studenter och lärare
  • ChatGPT
  • Claude
  • Chattr, R paket – Kan se din kod i ditt skript och vad du har i din miljö.
  • Elmer - R paket från Posit

Generella tips

  • Olika resultat varje gång.
  • Ju mer du vet om något, desto lättare är det att få ett bra resultat; var specifik.
  • Behöver ofta iterera för att få det resultat man är ute efter.
  • Be AI kommentera kod för att du ska förstå.
  • Det kan hjälpa att dela upp ett projekt i mindre bitar.

Pröva:

Alternativ 1

Skriv R-kod som genererar ett spridningsdiagram och ett violindiagram.

Alternativ 2

Skriv R-kod som genererar ett dataset med 100 individer med åldrar från 18 till 49, BMI-värden från 15 till 40 och rökstatus som ja eller nej. Anta att ålder och BMI är okorrelerade. Anta att rökare har något lägre BMI. Använd sedan R-paketet patchwork för att generera en panel med ggplot2-figurer Den första panelen ska visa ett violindiagram med BMI på y-axeln och rökstatus på x-axeln. Den andra panelen ska visa ett spridningsdiagram med ålder på y-axeln och BMI på x-axeln. Lägg till noggrann dokumentation i din kod.

Felmeddelanden och AI

  • Klistra in felmeddelandet och fråga vad dessa betyder.
  • Klistra in kod med felmeddelandet för att få mer specifik svar.
  • Var specifik.
  • Fråga om alternativ för att utföra samma sak.
  • Ibland är det bättre att själv tänka igenom sin kod för att hitta en lösning som passar dig.

Utforska data med AI

  • Kan vara känsligt att ge AI tillgång till din data.
  • Låt AI producera kod som genererar syntetiska data som ser ut som du vill. Mata sedan in det till AI och be den skriva kod för att utföra explorativ data analys på den syntetiska data. När du har fungerande kod kan du tillämpa den på ditt riktiga dataset.

AI som en brainstormpartner

  • AI är effektiv för specifika uppgifter men fungerar också som en sparringpartner för brainstorming.
  • Du kan ge AI öppna frågor, t.ex. om lösningar på kodproblem, för att få nya perspektiv.
  • Sedan kan du iterera och på så sätt möjligtvis utforska ett ämne och olika alternativ mycket snabbare än om du bara tänkte på det själv.
  • Resultaten är inte alltid perfekta, men det är snabbt och ofta värt att prova.
  • Var kritisk – kontrollera informationen, den är inte alltid korrekt.
  • Använd korta, vaga instruktioner för dialogbaserad brainstorming med AI.

AI i kursen

  • Med AI har tröskeln för att på ett enkelt sätt lära sig att koda blivit lägre
  • I den här kursen så är tanken att AI främst ska användas för att förstå felmeddelanden och för att förklara kod.
  • Annars risk att ni lär er mindre än ni skulle.
  • Krävs en ansträgning för att lära sig
  • Pro tip, ange kodstil (tex tidyverse) vid använding av AI motorer

MIT Experiment

  • MIT-experiment om AI-verktyg Källa: MIT Experiment
  • Eric Klopfer, professor vid MIT, genomförde ett experiment i sin datavetenskapskurs.
  • Studenterna delades in i tre grupper för att lösa ett problem i Fortran:
  • Grupp 1 använde ChatGPT
  • Grupp 2 använde Metas Code Llama
  • Grupp 3 använde Google
  • Resultat:
  • ChatGPT-gruppen löste problemet snabbast.
  • Code Llama-gruppen tog längre tid.
  • Google-gruppen tog längst tid eftersom de bröt ner uppgiften i mindre delar.
  • Resultat från minnestest:
  • ChatGPT-gruppen kunde inte minnas lösningen.
  • Hälften av Code Llama-gruppen klarade testet.
  • Alla studenter i Google-gruppen klarade testet.

Andra resurser