قبل بضعة أشهر كتبت عن 3 مهارات لكلود يحتاج كل عالم بيانات إلى تعلمها في 2026: لوحات تحكم كلود، كلود كورك لتحديد أولويات تذاكر جيرا، والتصحيح باستخدام كلود كود. لكن هذه الحالات فقط تخدش السطح. هناك العديد من الطرق الأخرى التي يمكن لكلود من خلالها تقليل العمل المتكرر وتحرير الوقت للجزء من العمل الذي يحتاج بالفعل إلى شخص. لذا فهناك 4 مهارات إضافية.

1. البحث العميق لمقارنة نهج النمذجة

عند طرح سؤال على كلود، فإنه يستقي المعلومات من أحد ثلاث مصادر: بيانات تدريبه ومعرفته، البحث على الويب، أو البحث العميق. يجب تفعيل كل من البحث على الويب والبحث العميق. البحث على الويب يستفسر الويب للحصول على إجابة منفردة لسؤالك. لكن البحث العميق ينفذ سلسلة من عمليات البحث على الويب المتصلة ذاتيًا، حيث يبني كل بحث على ما وجده البحث السابق. ثم يعيد تقريرًا شاملاً مع الاستشهادات.

كيفية استخدام وضع البحث في كلود: انقر على زر + في الزاوية السفلية اليسرى من نافذة الدردشة. حدد البحث (مؤشر أزرق يؤكد أنه نشط). إذا لم يُفعّل كلود البحث تلقائيًا على سؤال يستدعي ذلك، فقل ذلك مباشرة: "كلود، من فضلك استخدم أداة البحث لل..."

إليك بعض حالات الاستخدام الحقيقية لأداة البحث العميق لكلود في علوم البيانات:

المشكلة: أنت جديد في بناء أنظمة الذكاء الاصطناعي الوكيل وتحتاج إلى فهم أفضل الممارسات الحالية لتقييم ما إذا كان الوكيل جاهزًا للإنتاج قبل نشره لأول مرة.

مُحفِّز البحث العميق لكلود: تلخيص أفضل الممارسات الحالية وأطر التقييم لاختبار وكلاء الذكاء الاصطناعي قبل النشر في الإنتاج. تغطية أنماط الفشل الشائعة مثل الحلقات، سوء استخدام الأدوات، والإجراءات الوهمية، وكيف تقيس الفرق الموثوقية قبل الشحن. الاستشهاد بأوراق بحثية حديثة، أو معايير معيارية منشورة، أو منهجيات موثقة من مختبرات الذكاء الاصطناعي.

المشكلة: اتخاذ قرار ما إذا كان سيتم إعادة بناء نموذج تنبؤ إنتاجي حول نهج أحدث أم الاحتفاظ بإعداد تقوية التدرج الحالي قيد التشغيل.

مُحفِّز البحث العميق لكلود: مقارنة طرق التنبؤ الإحصائي الكلاسيكي (SARIMA، التمليس الأسي) مع تقوية التدرج والنماذج القائمة على المحولات لتوقع حمل الطاقة بالساعة. لكل منهج، تلخيص الدقة على أفاق متعددة الأيام، متطلبات حجم البيانات، وأنماط الفشل الموثقة. الاستشهاد بأوراق بحثية محددة أو معايير معيارية.

المشكلة: اتخاذ قرار بشأن طريقة كشف القيم الشاذة التي سيتم تطبيقها على مجموعة بيانات جديدة ذات أنماط موسمية قوية قبل وصولها إلى نموذج إنتاج.

مُحفِّز البحث العميق لكلود: مقارنة طرق z-score، IQR، وغابة العزل للكشف عن القيم الشاذة في بيانات السلاسل الزمنية الموسمية. تلخيص أين تميل كل طريقة إلى إنتاج إيجابيات كاذبة، التكلفة الحسابية على نطاق واسع، والإرشادات الموثقة لاختيار بينها. الاستشهاد بمصادر محددة.

بالنسبة لهذا الأخير، أعاد كلود مستندًا منظمًا يحتوي على الأقسام التالية:

TLDR/الملخص

نظرة عامة على الطرق — يشرح ما هي z-score، IQR، وغابات العزل وكيف تعمل

أنماط الإيجابيات الكاذبة لكل طريقة (في السياق الموسمي)

tكلفة الحساب والقابلية للتوسع

إرشادات اتخاذ القرار: الاختيار بين الطرق

تحذيرات — تناقش قيود نتائجها

2. ملخص مشروع HTML لأصحاب المصلحة

لنفترض أنك تعمل في شركة تسويق عبر وسائل التواصل الاجتماعي وقد كنت تعمل على نموذج توقع تفاعل المحتوى لحملة محددة للفيديوهات القصيرة. ومع ذلك، لم يعمل النموذج كما هو متوقع. لذا فإنك وعالمي بيانات آخرين وضعتم خطة لمدة شهرين لتحسين النموذج. لكن أصحاب المصلحة غير التقنيين غالبًا ما يكونون غير صبورين ولا يفهمون لماذا لا تؤدي المنشورات كما هو متوقع في البداية. إنهم يريدون تحسينات هذا الأسبوع (والذي يعلمه علماء البيانات أنه غالبًا موعد نهائي غير واقعي).

إنشاء ملخص مشروع HTML يمكن مشاركته كرابط يساعد في جسر هذا الفجوة في التواصل من خلال تقديم ملخص نظيف وقابل للقراءة لحالة المشروع، الجدول الزمني، والتوقعات.

الكيانات الرئيسية:

الشركات: Towards Data Science

الأسئلة الشائعة:

كيف تختلف أداة البحث العميق لكلود عن البحث على الويب؟

البحث على الويب يستخرج إجابة منفردة من الويب، بينما البحث العميق ينفذ سلسلة من عمليات البحث على الويب المتصلة، كل بحث يبني على السابق، ثم يعيد تقريرًا شاملاً مع الاستشهادات.

السؤال الشائع: كيف تختلف أداة البحث العميق لكلود عن البحث على الويب؟

الإجابة الشائعة: البحث على الويب يستخرج إجابة منفردة من الويب، بينما البحث العميق ينفذ سلسلة من عمليات البحث على الويب المتصلة، كل بحث يبني على السابق، ثم يعيد تقريرًا شاملاً مع الاستشهادات।