第1篇  AI数据分析基础

第1章  数据分析概述 2

1.1  什么是数据分析 2

1.1.1  数据分析的定义 2

1.1.2  数据分析的目的 3

1.2  数据分析的流程与方法 4

1.2.1  数据收集与整理 4

1.2.2  数据处理与清洗 5

1.2.3  数据分析方法 6

1.3  数据分析工具与技术概述 7

1.3.1  数据分析工具 8

1.3.2  数据分析技术 9

1.4  小结 11

第2章  AI与数据分析的融合 12

2.1  人工智能简介 12

2.1.1  人工智能的概念 12

2.1.2  大语言模型的原理与结构 13

2.2  AI在数据分析中的角色与应用概述 14

2.2.1  AI在结构化数据分析中的应用 14

2.2.2  AI在文本数据分析中的应用 16

2.2.3  AI在多媒体数据分析中的应用 16

2.2.4  AI Agent在数据分析中的应用 17

2.3  主流AI工具的比较与使用 18

2.3.1  主流AI工具的比较 18

2.3.2  主流AI工具的使用 20

2.4  DeepSeek的使用方法 21

2.4.1  网页版的使用方法 21

2.4.2  API版的使用方法 26

第2篇  AI数据分析与可视化应用实践

第3章  基于AI的结构化数据分析 32

3.1  基于DeepSeek的数据自动化生成 32

3.1.1  数据的自动化生成 32

3.1.2  使用DeepSeek网页版完成数据自动化生成任务 33

3.1.3  使用DeepSeek API完成数据自动化生成任务 36

3.2  基于DeepSeek的数据预处理 40

3.2.1  数据预处理的必要性 40

3.2.2  使用DeepSeek网页版进行数据预处理 41

3.2.3  使用DeepSeek API进行数据预处理 43

3.3  基于DeepSeek的结构化数据自动化分析 46

3.3.1  结构化数据自动化分析的必要性 47

3.3.2  使用DeepSeek网页版进行结构化数据自动化分析 47

3.3.3  使用DeepSeek API进行结构化数据自动化分析 51

第4章  基于AI的文本数据分析 57

4.1  使用AI进行文本摘要 58

4.1.1  文本摘要的概念与必要性 58

4.1.2  使用DeepSeek网页版进行文本摘要 59

4.1.3  使用DeepSeek API进行文本摘要 60

4.1.4  应用场景：基于DeepSeek API构建多文本摘要系统 63

4.1.5  文本摘要的其他应用场景 76

4.2  使用DeepSeek进行情感分析 76

4.2.1  情感分析的概念与示例解析 77

4.2.2  使用DeepSeek网页版进行情感分析 78

4.2.3  使用DeepSeek API进行情感分析 81

4.2.4  应用场景：基于DeepSeek API构建社交媒体舆情监控系统 85

4.2.5  情感分析的其他应用场景 95

4.3  使用DeepSeek进行文本分类 96

4.3.1  文本分类的概念与必要性 96

4.3.2  使用DeepSeek网页版进行欺诈信息分类 96

4.3.3  使用DeepSeek API进行欺诈信息分类 99

4.3.4  应用场景：基于DeepSeek API构建欺诈信息监控系统 103

4.3.5  文本分类的其他应用场景 112

4.4  使用DeepSeek进行主题总结 113

4.4.1  主题总结的概念与必要性 113

4.4.2  使用DeepSeek网页版进行体育新闻主题总结 114

4.4.3  使用DeepSeek API进行体育新闻主题总结 117

4.4.4  应用场景：基于DeepSeek API构建体育新闻自动化监控与

内容推送系统 123

4.4.5  主题总结的其他应用场景 132

4.5  使用DeepSeek进行命名实体识别 133

4.5.1  命名实体识别的概念与必要性 133

4.5.2  使用DeepSeek网页版进行地名识别 134

4.5.3  使用DeepSeek API进行地名识别 137

4.5.4  应用场景：基于DeepSeek API构建旅游热点监测系统 142

4.5.5  命名实体识别的其他应用场景 151

4.6  使用DeepSeek进行机器翻译 151

4.6.1  机器翻译的概念与必要性 152

4.6.2  使用DeepSeek网页版将英文翻译为中文 152

4.6.3  使用DeepSeek API将英文翻译为中文 155

4.6.4  应用场景：基于DeepSeek API构建多语言新闻聚合与分析系统 157

4.6.5  机器翻译的其他应用场景 171

第5章  基于AI的多媒体数据分析 173

5.1  通义大模型简介 173

5.1.1  通义大模型网页版的使用 174

5.1.2  阿里云百炼平台的调用 176

5.2  使用AI进行图像分析 178

5.2.1  使用AI进行图像分析的必要性 178

5.2.2  使用Qwen网页版完成图像分析任务 179

5.2.3  使用Qwen API完成图像分析任务 181

5.2.4  基于Qwen API构建图片批量分析系统 184

5.2.5  AI图像分析的其他应用场景 191

5.3  使用AI进行音频分析 192

5.3.1  使用AI进行音频分析的必要性 192

5.3.2  使用Qwen API完成音频分析任务 192

5.3.3  基于Qwen API构建多音频处理与内容总结系统 199

5.3.4  AI音频分析的其他应用场景 208

5.4  使用AI进行视频分析 209

5.4.1  使用AI进行视频分析的必要性 209

5.4.2  使用Qwen API完成视频分析任务 210

5.4.3  AI视频分析的其他应用场景 217

第6章  基于AI Agent的自动化数据分析 218

6.1  AI Agent简介 218

6.1.1  AI Agent的组成与用途 219

6.1.2  知名AI Agent产品 219

6.2  使用Manus进行数据分析 220

6.2.1  Manus简介 220

6.2.2  使用Manus进行数据分析 221

6.3  自定义AI Agent用于文章打分分析 226

6.3.1  LangGraph简介 226

6.3.2  构建文章打分AI Agent 227

第7章  基于AI的数据可视化 237

7.1  用AI自动生成数据可视化代码与结果 237

7.1.1  AI数据可视化的基本思路与流程 237

7.1.2  基于自然语言生成可视化代码 238

7.1.3  无须编程直接生成可视化结果 243

7.2  可视化中的AI增强 245

7.2.1  AI驱动的图表类型与表达方式的选择 245

7.2.2  可视化信息密度的自动调节与简化 248

7.3  大模型在可视化解释中的应用 254

7.3.1  生成基于图表的自动化分析解读 254

7.3.2  多图联合分析与综合结论提炼 255

7.3.3  基于图表的交互式问答与深度追问 257

后记  AI数据分析的未来 259