Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Πρακτικές Περιπτώσεις Χρήσης

Μάθημα 16 / 16 Ενημερώθηκε 30 Ιουλίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Εκτέλεση Κώδικα σε Περιβάλλον Παραγωγής
  2. Χρηματοοικονομική Ανάλυση
  3. Στατιστική Ανάλυση
  4. Επιστημονικός Υπολογισμός
  5. Επεξεργασία και Καθαρισμός Δεδομένων
  6. Αρχιτεκτονική Πλήρους Ροής Εργασίας
  7. Βασικά σημεία
  8. Ελέγξτε τις Γνώσεις σας

Εκτέλεση Κώδικα σε Περιβάλλον Παραγωγής

Αυτό το τελικό μάθημα καλύπτει πρακτικές περιπτώσεις χρήσης της Εκτέλεσης Κώδικα, ώστε να αποκτήσετε μια σαφή εικόνα για το τι μπορείτε να δημιουργήσετε. Κάθε παράδειγμα απεικονίζει έναν τομέα εφαρμογής με την αντίστοιχη εντολή (prompt) και λογική.

Χρηματοοικονομική Ανάλυση

Βελτιστοποίηση Χαρτοφυλακίου

Η Εκτέλεση Κώδικα είναι ιδιαίτερα κατάλληλη για χρηματοοικονομική μοντελοποίηση. Το sandbox περιλαμβάνει τις βιβλιοθήκες NumPy και SciPy, οι οποίες διαχειρίζονται τους απαραίτητους υπολογισμούς βελτιστοποίησης:

input_text = """
Portfolio of 5 assets with the following monthly returns (12 months):

Asset A: [2.1, -0.5, 1.8, 3.2, -1.1, 2.5, 0.8, 1.2, -0.3, 2.8, 1.5, 0.9]
Asset B: [1.5, 0.2, 2.1, 1.8, 0.5, 1.2, 2.3, -0.1, 1.6, 0.8, 1.9, 2.2]
Asset C: [-0.3, 3.5, -1.2, 4.1, -0.8, 2.9, -0.5, 3.2, -1.0, 3.8, -0.2, 2.7]
Asset D: [0.8, 0.9, 0.7, 1.1, 0.6, 0.8, 1.0, 0.5, 0.9, 0.7, 1.2, 0.8]
Asset E: [3.5, -2.1, 4.2, -1.5, 3.8, -0.9, 2.7, -1.8, 3.1, -0.5, 4.5, -1.2]

Calculate:
1. The correlation matrix between assets
2. The minimum variance portfolio
3. The optimal portfolio (maximum Sharpe ratio, risk-free rate = 4% annual)
4. The efficient frontier (10 points)

Present allocations as percentages.
"""

Το μοντέλο θα γράψει κώδικα χρησιμοποιώντας το NumPy για τον πίνακα συσχέτισης και το SciPy για τη βελτιστοποίηση με περιορισμούς.

Δείκτης Sharpe και Δείκτες Κινδύνου

input_text = """
Daily returns of a fund over 20 days:
[0.12, -0.05, 0.08, 0.15, -0.03, 0.22, -0.11, 0.06, 0.09, -0.07,
 0.14, 0.03, -0.08, 0.18, 0.01, -0.04, 0.11, 0.07, -0.02, 0.13]

Calculate the Sharpe ratio, Sortino ratio, Value at Risk (95%),
and maximum drawdown. Annual risk-free rate = 4%.
"""

Στατιστική Ανάλυση

Έλεγχος Υποθέσεων

Το SciPy σας επιτρέπει να εκτελείτε αυστηρούς στατιστικούς ελέγχους:

input_text = """
Group A (treatment): [85, 88, 91, 87, 93, 89, 86, 92, 90, 88]
Group B (control): [78, 82, 80, 85, 79, 83, 81, 77, 84, 80]

Perform a Student's t-test to determine if the difference between
the two groups is statistically significant (alpha = 0.05).
Include hypotheses, test statistic, p-value, and conclusion.
"""

Παλινδρόμηση και Πρόβλεψη

input_text = """
Monthly sales data (in thousands of euros):
Month (x): [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
Sales (y): [45, 52, 48, 61, 55, 67, 72, 68, 75, 80, 78, 85]

1. Perform linear regression
2. Calculate R² and standard error
3. Predict sales for months 13, 14, 15
4. Test if the trend is significant
"""

Επιστημονικός Υπολογισμός

Επίλυση Διαφορικών Εξισώσεων

input_text = """
Solve the second-order differential equation:
y'' + 2y' + 5y = 0
Initial conditions: y(0) = 1, y'(0) = 0
Interval: t from 0 to 10

Plot the solution and identify the behavior (damped oscillation,
critical, overdamped).
"""

Προσομοιώσεις Monte Carlo

input_text = """
Monte Carlo simulation to estimate the probability that a project
is profitable.

Parameters (normal distributions):
- Monthly revenue: mean = €50,000, std dev = €10,000
- Monthly fixed costs: €30,000
- Variable costs: 15% to 25% of revenue (uniform)
- Project duration: 12 months

Run 10,000 simulations. Calculate the probability of profitability
and the net profit distribution. Present the 5th, 50th, and 95th percentiles.
"""

Επεξεργασία και Καθαρισμός Δεδομένων

input_text = """
Raw data (CSV with common issues):

name,age,salary,city
Alice,32,45000,Paris
Bob,,52000,Lyon
Charlie,28,NA,Marseille
Diana,45,62000,paris
Eve,33,48000,LYON
Frank,-5,55000,Toulouse
Grace,29,999999,Bordeaux

1. Identify and handle missing values
2. Correct inconsistencies (negative age, outlier salary)
3. Normalize city names (consistent casing)
4. Calculate descriptive statistics on cleaned data
5. Document each transformation performed
"""

Αρχιτεκτονική Πλήρους Ροής Εργασίας

Για εφαρμογές σε περιβάλλον παραγωγής, συνδυάστε τα εργαλεία σε μια δομημένη ροή εργασίας:

  1. Η Web Search ανακτά δεδομένα επικαιροποιημένα (τιμές, δείκτες, ειδήσεις)
  2. Η Code Execution αναλύει τα ανακτηθέντα δεδομένα (υπολογισμοί, στατιστικά, γραφήματα)
  3. Η εφαρμογή σας μορφοποιεί και παρουσιάζει τα αποτελέσματα στον χρήστη

Αυτό το πρότυπο εφαρμόζεται σε πολλούς τομείς: χρηματοοικονομικά, ανταγωνιστική νοημοσύνη, ανάλυση αγοράς, αυτοματοποιημένη αναφορά.

Βασικά σημεία

  • Η Εκτέλεση Κώδικα διαπρέπει στην χρηματοοικονομική ανάλυση (Sharpe, βελτιστοποίηση χαρτοφυλακίου, VaR)
  • Οι στατιστικοί έλεγχοι και οι παλινδρομήσεις αποτελούν φυσική περίπτωση χρήσης με το SciPy
  • Οι προσομοιώσεις Monte Carlo λειτουργούν άριστα εντός των ορίων μνήμης του sandbox
  • Ο καθαρισμός δεδομένων με το Pandas είναι μια πρακτική καθημερινή περίπτωση χρήσης
  • Συνδυάστε Web Search + Code Execution για πλήρεις αυτοματοποιημένες ροές εργασίας
  • Παρέχετε δομημένα δεδομένα και ακριβείς οδηγίες για καλύτερα αποτελέσματα

Ελέγξτε τις Γνώσεις σας

Web, X, κώδικας: Τα εργαλεία διακομιστή του Grok σε πέντε ελέγχους.

1. Ποιες είναι οι δύο κατηγορίες εργαλείων του Grok;

Απάντηση: Ενσωματωμένα εργαλεία, που εκτελούνται στην πλευρά του διακομιστή από την xAI (αναζήτηση web, αναζήτηση X, εκτέλεση κώδικα), και οι προσαρμοσμένες συναρτήσεις σας, που εκτελούνται από τον κώδικά σας—δύο κόσμοι που συνδυάζονται.

2. Πώς λειτουργεί η ροή εκτέλεσης ενός ενσωματωμένου εργαλείου;

Απάντηση: Σε πέντε βήματα στην πλευρά του διακομιστή: το μοντέλο αποφασίζει, το εργαλείο εκτελείται στην xAI, τα αποτελέσματα επιστρέφουν στο μοντέλο, το οποίο απαντά—εσείς λαμβάνετε την τελική απάντηση με ίχνη και παραπομπές.

3. Τι επιτρέπουν τα φίλτρα των Web Search και X Search;

Απάντηση: Οριοθέτηση πηγών: επιτρεπόμενοι τομείς στον ιστό, λογαριασμοί και ημερομηνίες στο X—η φρεσκάδα και η αξιοπιστία ελέγχονται, και οι παραπομπές τεκμηριώνουν κάθε απάντηση.

4. Τι μπορεί να κάνει η Εκτέλεση Κώδικα;

Απάντηση: Εκτέλεση Python σε sandbox—διαθέσιμες κοινές βιβλιοθήκες, αυστηροί περιορισμοί ασφαλείας: οι υπολογισμοί, οι μετασχηματισμοί και οι επαληθεύσεις ανατίθενται σε ακριβή κώδικα.

5. Τι πρέπει να παρακολουθείτε όσον αφορά το κόστος;

Απάντηση: Κάθε κλήση εργαλείου χρεώνεται επιπλέον των tokens: στοχεύστε τις αναζητήσεις, περιορίστε τα βάθη και ενεργοποιήστε μόνο τα εργαλεία που είναι χρήσιμα για το αίτημα.

Δυνατότητες διακομιστή έτοιμες προς χρήση, ελεγχόμενες από τα φίλτρα και τον προϋπολογισμό σας: τα ενσωματωμένα εργαλεία καθιστούν το Grok έναν πράκτορα—εσείς παραμένετε ο σκηνοθέτης.