OpaGPT ИИ для data scientist в мобильной разработке: конструктор промптов
Data scientist в мобильной разработке сталкивается с рутиной: очистка логов, генерация синтетических данных, анализ A/B-тестов. ИИ-ассистенты ускоряют эти задачи, но только при правильно составленном промпте. Разберем анатомию эффективного запроса и дадим готовые шаблоны.
Структура эффективного промпта
Промпт для data scientist должен содержать 5 элементов:
- Роль — кем ИИ должен представиться (например, «ты — senior data scientist»).
- Контекст — тип мобильного приложения, платформа (iOS/Android), объем данных.
- Задача — конкретное действие: «напиши код», «предложи метрики», «объясни результат».
- Формат ответа — таблица, Python-скрипт, JSON, список рекомендаций.
- Ограничения — дедлайн, точность, запрет на определенные библиотеки.
Совет: всегда указывайте «покажи код с комментариями» — это экономит 15-20 минут на декомпозицию ответа.
Готовые шаблоны запросов
Шаблон 1: Генерация синтетических данных
Промпт: «Ты — data scientist. Сгенерируй 1000 строк синтетических данных для мобильной игры (метрики: DAU, retention D1/D7, ARPU). Используй Python с библиотекой Faker. Формат: CSV. Учти сезонность и выбросы».
Настройка: замените метрики и тип приложения под свой проект. Добавьте «с корреляцией между DAU и ARPU» для реалистичности.
Шаблон 2: Анализ A/B-теста
Промпт: «Ты — senior data scientist. У меня есть результаты A/B-теста (файл ab_data.csv) для мобильного приложения. Проведи анализ: проверь нормальность, примени t-тест или Манна-Уитни, визуализируй распределения. Выдай вывод и рекомендацию по запуску».
Настройка: укажите уровень значимости (например, α=0.01) и метрику (конверсия в покупку).
Шаблон 3: Очистка логов событий
Промпт: «Ты — data engineer. Напиши PySpark-скрипт для очистки логов мобильного приложения: удали дубликаты по event_id, отфильтруй события с пустым user_id, приведи timestamp к UTC. Вход: JSON-файл, выход: parquet».
Настройка: добавьте «с обработкой опечаток в event_name» для нестандартных логов.
Настройка промптов под задачу
| Параметр | Пример настройки | Эффект |
|---|---|---|
| Точность | «округли до 3 знаков» | Меньше шума в числах |
| Стиль кода | «используй pandas, а не SQL» | Соответствие стек-проекта |
| Глубина | «дай 3 альтернативных подхода» | Расширение вариантов решения |
| Язык | «ответ на русском, код на Python» | Удобство чтения |
Используйте итеративный подход: первый промпт — черновик, затем уточняйте «добавь обработку пропусков» или «упрости код». Это повышает качество ответа на 40%.