Topic 7

Заняття 7. Застосування штучного інтелекту для аналізу даних. Copilot, ChatGPT, Google Gemini. Промпт-інжиніринг для аналітики: генерація формул, інтерпретація CSV-масивів, етика та перевірка галюцинацій ШІ

Мета: формування у студентів комплексу теоретичних знань, критичного інженерного мислення та практичних умінь у галузі застосування технологій генеративного штучного інтелекту для аналізу даних, розробки детермінованих аналітичних промптів, автоматизованої інтерпретації табличних масивів та забезпечення кібергігієни й верифікації результатів у межах концепції AI-Augmented Analytics. Студент має засвоїти еволюцію парадигм аналізу від низькорівневого програмування (Pro-Code) до Prompt-Driven аналітики, архітектурні складові розширеної аналітики (Augmented Data Prep, Discovery, кодогенерація, NLG-сторітелінг), а також осягнути імовірнісну природу великих мовних моделей (LLM) та механізми виникнення математичних і логічних галюцинацій. У процесі навчання особлива увага приділяється порівняльному аналізу провідних хмарних екосистем — розрізненню обчислювальної пісочниці Python Sandbox (Code Interpreter) у ChatGPT, мультимодального середовища з великим контекстним вікном Google Gemini та корпоративної інтеграції з Power BI і DAX у Microsoft Copilot. Студенти мають навчитися практично проєктувати структуровані запити за фреймворком R-C-T-O (Role – Context – Task – Output), застосовувати спеціалізовані техніки Chain-of-Thought та Few-Shot Prompting для генерації складних SQL-запитів, функцій QUERY та DAX-вимірів, а також налаштовувати роботу автономних ШІ-агентів для покрокового профілювання, очищення, статистичного аналізу (EDA) та візуалізації CSV-масивів. Важливим аналітичним та оціночним результатом є формування здатності реалізовувати суворий чотириетапний протокол боротьби з галюцинаціями (примус до виконання коду, валідація на мікровибірках, крос-валідація, принцип Human-in-the-Loop) та забезпечувати дотримання стандартів приватності даних (GDPR, ISO/IEC 27001) через анонімізацію, маскування PII та використання захищених Enterprise API чи Self-Hosted моделей для безпечного й обґрунтованого прийняття управлінських рішень.