Gemini másodpercek alatt megoldotta a Pandas-feladatot, amit órákig írt a kutató

A Google Gemini AI-modellje másodpercek alatt képes volt megoldani egy összetett adatfeldolgozási feladatot, amely egy Pandas DataFrame-en alapult. A kutató, Soner Yıldırım, aki a Towards Data Science-on publikálta tapasztalatait, egy órát töltött a probléma manuális megoldásával, mielőtt a Geminihez fordult volna.

A feladat egy új oszlop létrehozása volt a DataFrame-ben. Ehhez egy meglévő oszlopból kellett értékeket kinyerni, két másik oszlop adatainak felhasználásával. A cél a volt, hogy megtalálják egy adott kategória azonosítójának (pred_category_id) valószínűségét a hozzá tartozó kategórialistában (predicted_categories) és a valószínűségi listában (text_predicted_probs).

Kapcsolódó: A Deep Research rendszer

A manuális megoldás kihívásai

Yıldırım részletesen bemutatta a probléma megoldásának lépéseit. Először beolvasta az adatokat egy Pandas DataFrame-be. Mivel a kategóriák listája stringként volt tárolva, a `ast.literal_eval` funkcióval alakította át listává. Ezt követően a kategóriaazonosítók (category IDs) kinyeréséhez minden stringet ketté kellett bontani a kötőjel mentén. A legnehezebb rész a volt, hogy megtalálja a `pred_category_id` indexét a `predicted_category_ids` listában, majd ezt az indexet felhasználva lekérje a megfelelő valószínűséget a `text_predicted_probs` listából. A folyamat során egyedi ellenőrzést is be kellett építeni arra az esetre, ha a `pred_category_id` nem szerepelne a kategórialistában, ilyenkor a valószínűséget 0-ra állította.

Kapcsolódó: a Gemini 3.1 Pro teljesítménye

Gemini gyorsasága

Yıldırım a Gemini promptjában egy adatmintát is megadott, és kérte a megoldást. A modell másodpercek alatt generált egy működő kódot, amely az adattranszformációt helyesen és hatékonyan végrehajtotta. A kód egy minta DataFrame-et hozott létre, majd egy függvényt definiált a valószínűség kinyerésére, figyelembe véve a kategóriaazonosítók és a valószínűségek sorrendjét.

Kapcsolódó: az AlphaEvolve ügynök

Az alapvető ismeretek fontossága

Bár a Gemini gyorsan és hatékonyan oldotta meg a feladatot, Yıldırım hangsúlyozza, hogy a klasszikus adattudományi ismeretek továbbra is elengedhetetlenek. Az AI-eszközök, mint a Gemini, rendkívül hasznosak lehetnek, de a felhasználónak rendelkeznie kell azokkal az alapvető tudással, hogy felismerje, ha az AI által generált megoldás esetleg nem optimális, vagy ha hibát követett el. A kutató megállapítása szerint az AI-eszközök felgyorsíthatják a munkát, de a mélyebb megértés és a kritikus gondolkodás továbbra is a szakember feladata marad, különösen a komplexebb, több lépésből álló feladatoknál.

Kapcsolódó: a Personal Intelligence