/sample_data_pads

dataset for lecture

MIT LicenseMIT

会計データで機械学習を実践しよう（応用編）の教材

生成AIを使用したプログラミング学習の強みは、みなさんのやりたいことをベースに解説を作ってくれることです。

1 生成AIによるプログラミング学習のポイント

  • プロンプト（生成AIへの入力）は、テンプレートを用意して、編集は最小限にします。（生成AIへの指示に時間がかかっては本末転倒です。）
  • テンプレートは、プロンプトの用途が決まればオプション設定のようなものです。（テンプレートは編集しやすく、変更管理がしやすいようにします。）
  • プログラム生成は用途が決まっている場合（インプットとアウトプットが決まっている関数）に適しています。プログラムの用途が変更する可能性がある場合、後々変更に対応できるような仕様をプロンプトで指示することが難しいです。また、途中から要件を追加していくと沼にはまる場合が多いです。
  • 現状では、エラーの修正は簡単なものでないと沼にはまってしまうことがあります。（※AIエージェント等で今後改善の見込みあります。）
  • 説明ドキュメントを書かせる精度が高いため、コードを教材に学習を進めやすいです。

※Google colaboratolyでは、”AI で生成”機能を有効にすると有効にしたGoogleアカウントではノートブックのデータをモデルの学習に追加されてしまうため、秘密情報や個人情報は書かないでください。

2 プロンプトテンプレートについて

pythonの変数でプロンプトテキストを作っています。

  1. role: 役割を記載したテキスト
  2. instruction: 指示内容を記載したテキスト（ここを編集）
  3. constraints: 注意事項を記載したテキスト（リスト変数。行頭に#をつけることで、その行のテキストを無効化できます。）
  4. dataset_explanation: データに関する説明のテキスト（colaboratory以外の生成AIを利用する場合はこれも含める）

これらを改行（改行2つ"\n\n"）でつなげることでプロンプトを完成させます。これをprint()関数で出力し、コピー&ペーストで使用します。

roleのテキスト
instructionのテキスト
[constraints]リストの要素のテキスト（"\n".join(constraints)はリストの要素を改行でつなげています。）
(dataset_explanation)データ説明のテキスト

3 プロンプト作成pythonコード

プロンプト共通のrole変数、constraints変数、dataset_explanation変数

# テンプレート部分
role = "あなたは入門者向けpythonプログラミング学習の補助アシスタントです。"

constraints = [
  "#### 次に注意してください。",
  #"- サンプルデータを作成してください。"
  "- 元のデータの変数(data)を上書きしないでください。",
  "- コードブロックを実行しながら挙動を確認できるように、できるだけ関数化しないでください。",
  "- 入門者がわかるような易しいコメントをつけてください。",
  #"- pythonのバージョンは3.10です。",
  #"- 既に記載されているものは追加で記載する必要はありません。"
  "- 各変数がどのようなものなのかコメントしてください。",
  "- これを教材として、pythonの各データ形式やインスタンスやクラスを解説してください。",
  "- コメントは日本語で書いてください。"
  ]

dataset_explanation = """データの取得部分は次のコードを使用してください
```python
filename = "/content/sample_data_pads/dataset/store_dataset.csv"
dtypes = {
    'prod_id_unique':str, # index(商品番号) (棚に並んでいる商品ひとつひとつを区別 ex A_1_20240401, A_2_20240401, ...)

    'sold_today':bool,# 目的変数

    'date':str, #仕入日付 YYYY-MM-DD
    'product_name':str, # 商品名 {A,B,C,D<E}
    'expiry_date':str, # 消費期限 YYYY-MM-DD （仕入日付との差分に意味があります）
    'product_type':str, # 商品タイプ {チョコ,ピザ,食パン,クロワッサン}
    'price':str, # 価格 100〜250
    'weekday':str, # 曜日 {月, 火, 水, 木, 金, 土, 日}
    'weather':str, # 天候 {晴れ, 雨, 曇り}
    'same_prod_type_stock':str # 同じ商品の開始在庫数
}

data = pd.read_csv(filename, index_col=None, dtype=dtypes, encoding='utf-8')
```""" # ここまでdataset_explanationのテキストです。

4.1 機械学習を実践しよう(1) ロジスティック回帰モデルによる販売or在庫の予測

# 指示
instruction = """変数dataのsold_todayカラムを予測するlogistic回帰モデルのpythonコードを提供してください。"""
# プロンプトを構成
prompt = role + "\n\n" + instruction + "\n\n" + "\n".join(constraints)
#prompt = prompt+"\n\n"+dataset_explanation # colaboratory以外の生成AIを利用する場合は行頭の#をはずし、有効にする
print(prompt)

4.1 機械学習を実践しよう(2) LightGBM分類モデルによる販売or在庫の予測

（変数constraintsとdataset_explanationは共通です。）

instruction = """dataのsold_todayカラムを予測するLightGBM分類モデルのpythonコードを提供してください。"""

prompt = role + "\n\n" + instruction + "\n\n" + "\n".join(constraints)
#prompt = prompt+"\n\n"+dataset_explanation # colaboratory以外の生成AIを利用する場合は行頭の#をはずし、有効にする
print(prompt)

4.1 機械学習を実践しよう(3) LightGBM分類モデルによる販売or在庫の予測 予測対象データへの予測

instruction = """LightGBM分類モデルで5月1日の商品データの予測を行なってください。
5月1日のデータは"/content/sample_data_pads/dataset/store_dataset_0501.csv"です。
5月1日のデータには'sold_today'カラムがないことに注意してください。
"""
prompt = role + "\n\n" + instruction + "\n\n" + "\n".join(constraints)
#prompt = prompt+"\n\n"+dataset_explanation # colaboratory以外の生成AIを利用する場合は行頭の#をはずし、有効にする
print(prompt)

4.2 機械学習アウトプットの使い方と解釈(1) SHAPによる機械学習モデルの説明

instruction = """LightGBM分類モデルの出力の説明をSHAPで行うpythonコードを提供してください。サンプルを例にSHAP値のウォーターフォール図を作成してください"""

prompt = role + "\n\n" + instruction + "\n\n" + "\n".join(constraints)
#prompt = prompt+"\n\n"+dataset_explanation # colaboratory以外の生成AIを利用する場合は行頭の#をはずし、有効にする
print(prompt)

4.2 機械学習アウトプットの使い方と解釈(2) 分位点回帰による区間予測

instruction = """変数dataのsale_countカラムを分位点回帰により予測するpythonコードを提供してください。"""
prompt = role + "\n\n" + instruction + "\n\n" + "\n".join(constraints)
print(prompt)

4.2 機械学習アウトプットの使い方と解釈(3) ngboostによる分布予測

instruction = """変数dataのsale_countカラムをngboostにより分布予測するpythonコードを提供してください。"""
prompt = role + "\n\n" + instruction + "\n\n" + "\n".join(constraints)+"\n\n"#+cot
print(prompt)