Praktiniai naudojimo atvejai
Šiame puslapyje
Kodo vykdymas gamybinėje aplinkoje
Šioje paskutinėje pamokoje nagrinėjami praktiniai kodo vykdymo atvejai, kad susidarytum aiškų vaizdą, ką gali sukurti. Kiekvienas pavyzdys iliustruoja taikymo sritį kartu su atitinkama užklausa ir logika.
Finansinė analizė
Portfelio optimizavimas
Kodo vykdymas ypač tinka finansiniam modeliavimui. Smėlio dėžėje yra „NumPy“ ir „SciPy“, kurios atlieka reikiamus optimizavimo skaičiavimus:
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.
"""
Modelis parašys kodą naudodamas „NumPy“ koreliacijos matricai ir „SciPy“ apribotam optimizavimui.
Šarpo rodiklis ir rizikos indikatoriai
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%.
"""
Statistinė analizė
Hipotezių tikrinimas
„SciPy“ leidžia atlikti griežtus statistinius testus:
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.
"""
Regresija ir prognozavimas
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
"""
Moksliniai skaičiavimai
Diferencialinių lygčių sprendimas
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).
"""
Monte Karlo simuliacijos
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.
"""
Duomenų apdorojimas ir valymas
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
"""
Pilna darbo eigos architektūra
Gamybinėms programoms derinkite įrankius struktūruotoje darbo eigoje:
- Web Search gauna naujausius duomenis (kainas, rodiklius, naujienas)
- Code Execution analizuoja gautus duomenis (skaičiavimus, statistiką, diagramas)
- Tavo programa suformatuoja ir pateikia rezultatus naudotojui
Šis modelis taikomas daugeliui sričių: finansams, konkurencinei žvalgybai, rinkos analizei, automatizuotam ataskaitų teikimui.
Svarbiausi punktai
- Kodo vykdymas puikiai tinka finansinei analizei (Šarpo rodiklis, portfelio optimizavimas, VaR)
- Statistiniai testai ir regresijos yra natūralus „SciPy“ naudojimo atvejis
- Monte Karlo simuliacijos gerai veikia smėlio dėžės atminties ribose
- Duomenų valymas naudojant „Pandas“ yra praktiškas kasdienis naudojimo atvejis
- Derink Web Search + Code Execution, kad sukurtum pilnas automatizuotas darbo eigas
- Pateik struktūrizuotus duomenis ir tikslias instrukcijas geresniems rezultatams
Patikrink savo žinias
Web, X, kodas: penki Grok serverio įrankių patikrinimai.
1. Kokios yra dvi Grok įrankių kategorijos?
Atsakymas: Integruoti įrankiai, vykdomi serverio pusėje „xAI“ (web paieška, X paieška, kodo vykdymas), ir tavo sukurtos funkcijos, vykdomos tavo kodo – du pasauliai, kurie susijungia.
2. Kaip veikia integruoto įrankio vykdymo eiga?
Atsakymas: Penkiais žingsniais serverio pusėje: modelis priima sprendimą, įrankis vykdomas „xAI“, rezultatai grąžinami modeliui, kuris atsako – tu gauni galutinį atsakymą su pėdsakais ir citatomis.
3. Ką leidžia daryti „Web Search“ ir „X Search“ filtrai?
Atsakymas: Apibrėžti šaltinius: leidžiami domenai internete, paskyros ir datos „X“ platformoje – šviežumas ir patikimumas yra kontroliuojami, o citatos dokumentuoja kiekvieną atsakymą.
4. Ką gali daryti „Code Execution“?
Atsakymas: Vykdyti „Python“ kodą smėlio dėžėje – prieinamos bendros bibliotekos, griežti saugumo apribojimai: skaičiavimai, transformacijos ir patikrinimai perduodami tiksliai parašytam kodui.
5. Ką turi stebėti kalbant apie išlaidas?
Atsakymas: Už kiekvieną įrankio iškvietimą mokama papildomai prie tokenų: taikyk tikslines paieškas, ribok gylį ir aktyvuok tik tuos įrankius, kurie yra naudingi užklausai.
Serverio galimybės paruoštos naudoti iškart, kontroliuojamos tavo filtrų ir biudžeto: integruoti įrankiai paverčia Grok agentu – tu lieki vadovu.