[12.17] 第十五、十六周任务

[HalloMelon]

利用GPT大型模型工具完成数据洞察

本周以及下周的实验内容如下：
请同学们参考《GPT数据科学系列课程实验手册》内容，并结合之前的作业经验，对GitHub上具有协作行为日志数据的500名用户的个人信息（包括姓名、公司、邮箱及其地理位置等）进行数据洞察分析。数据获取链接为：https://github.com/X-lab2017/dase-2024-autumn/tree/main/HomeWork/data/user_data

实验目标

• 培养数据处理与分析能力：通过实际操作，提升对大规模数据集的处理和分析能力。
• 掌握GPT工具的应用：学习如何利用GPT大型模型工具辅助完成数据洞察任务。
• 理解数据隐私与伦理：在处理包含个人信息的数据时，遵循数据隐私保护的原则和规范。

实验内容

1. 人口统计分析

• 国家和地区分布：统计用户所在国家和地区的分布，识别主要的开发者集中地。
• 城市级别分布：分析主要城市的开发者密度，发现技术热点区域。
• 时区分布:了解用户的时区分布，分析不同地区用户的协作时间模式。

2. 协作行为分析

• 提交频率：统计每个用户的提交次数，识别高活跃用户和低活跃用户。

3. 其他维度有趣的洞察（至少2个）

提交内容

• 数据分析代码。
• 最终的数据洞察报告（PDF格式）。

[Tenth-crew]

对于本次作业中的时区相关分析，数据集中的event_time表示的含义是该event发生时间，本身不表达用户的时区信息。如果想要获取用户的时区可以有如下两种思路：

1. 分别是根据国家在数据集中自行补充其时区信息
2. 根据其活跃时间推断其属于哪个时区。