本文目录一览：
华为儿童手表5X Pro评测：旗舰级双屏，离线也能定位
12月9日，华为高端旗舰儿童手表5X Pro正式发布。笔者凑巧作为拥有俩娃的家长，自告奋勇的以用户角度来评测这款华为新品。体验几天以后，比较大的亮点是双屏双模式、离线定位。下面详细评测写给有需求的家长们。
科技范设计，可旋转的双屏双模式
和大多可爱萌新的儿童手表不同，华为儿童手表5X Pro的设计稍显正式，红黑配色也多了有几分科技感。原因是它的适用人群为5~14岁，孩子大了更喜欢科技感的设计，毕竟小孩也不想被说成“小孩”。磁吸式表带拆卸很方便，也很牢靠。手表材质也经过亲肤测试，尽可能降低儿童过敏风险，并通过德国莱茵TÜV穿戴设备使用安全认证。
很有创新的是手表本体竟然是翻转屏设计，也就是前文提到的双屏双模式。按下表体上方按钮，即可开启翻转屏。正面是1.6英寸高清AMOLED屏，支持触摸操控。背面还有一块1.52英寸段码屏，很像咱们这辈家长儿时痴迷的电子表。
正反面双屏都有摄像头，前置500万像素，后置800万像素，符合旗舰级儿童手表定位。竖起来时可完成视频通话，孩子不用特别翻转手腕，也可以完成自拍和拍照。
双屏支持翻转使用，竖起来后旋转即可切换至段码屏。段码屏仅支持时间、倒计时等信息显示，不支持触摸操控，换至断码屏后华为儿童手表5X Pro也将自动切换至勿扰模式，一方面可以节省手表电量，另一方面可以约束孩子内心，降低他们玩手表的欲望。尽管为翻转设计，但手表仍支持IP68级防水。
华为儿童手表5X Pro可安装实体SIM卡，而非eSIM的形式。独立插卡可以让它拥有更多功能，比如随时随地网络连接、独立通话、更精准的定位等等。不过离线定位依赖的是数以亿计华为设备组成的华为“查找”网络，即使SIM卡号停机也不影响，后面会有详测。
SIM卡槽旁边是磁吸式充电接口，这点就更有旗舰级的范儿了。电池容量800mAh，大约20分钟可充至60%，1小时可完全充满，速度可能比很多成年人的智能手表都要快，一般早餐时间就能补充全天电量。
手机端与华为儿童手表5X Pro搭配使用的智能关怀App，如孩子个人信息、通讯录管理、定位查看、手表应用管理、畅连视频和消息、系统升级等都在手机端设置。功能非常全面，甚至还能上传孩子的健康码、核酸码、核酸检测记录，衷心期望该功能与疫情都早日结束。
从有娃家长角度来说，建议其他家长适当卸载部分非核心应用，如教育、乐园、奖励、听书、阅读等非安全功能都慎重开启，避免孩子在儿童手表上分散过多精力。毕竟网课、平板、手机都占据着孩子的时间，别让手表再来“分一杯羹”。华为也支持上课期间禁用手表的设置。
孩子需要儿童手表，往往是出于社交需求。华为儿童手表5X Pro支持手表摇一摇加微信、QQ好友，支持群聊。家长也可在手机端创建家庭群聊，所有人（包括手表）都能发送和接收文字图片语音信息，及时了解孩子动态，用到的是畅连信息技术。同样也支持畅联视频，对话会更直接。
离线定位，手表没网没电也能找到孩子
家长给孩子买手表，更多是基于安全考量。除了刚刚提到的信息沟通以外，定位功能是家长最看重的。大体分为位置提醒和行为轨迹两方面，都在手机端智能关怀App来查看。
位置提醒可查看孩子的实时位置，平时通过独立SIM卡和GPS配合。但手表总有没电、手机号总有欠费或无网的时候，此时就需要华为黑科技离线定位功能了。离线定位是通过社会上无数华为设备组成的华为“查找”网络来实现，手表附近任何华为设备可以帮助儿童手表上报当前位置，没网、关机、不插SIM卡可以使用离线定位。
离线定位属于应急功能，希望孩子用不上。万一使用家长需了解以下几点，手表因没电关机后2天内可依靠电池仅存电量完成离线定位，超过2天可能因彻底没电无法使用。离线定位精准度取决于手表周围华为设备数量和密度，越多越精准，使用时建议多刷新几次。如果完全没有其他华为设备，也可能无法使用离线定位。
华为儿童手表5X Pro支持北斗、GPS、GLONASS、GALILEO、QZSS五模卫星定位。正常情况下搭配运营商网络一般短时间内即可精准定位，包括儿童活动轨迹也是通过精准定位实现。华为还支持AI定位2.0，通过对儿童经常活动地点进行智能分析，进而实现楼栋级精准定位。华为也支持室内高精度定位，目前整合国内8000多家商场、机场、高铁站，以便家长在紧急时刻快速找到孩子。此外华为支持地图上划定危险区域，比如河边等，孩子一旦进入家长会收到提醒。
在智慧功能体验方面，华为儿童手表5X Pro支持NFC功能，可复制90%以上的门禁卡、公交卡，方便孩子出行。手表支持六种运动模式，包括走路、跳绳、仰卧起坐、游泳、跑步和骑行，方便大孩子从小培养运动习惯。
长按表冠上的红色按钮约1~2秒，可启动华为语音助手，可查询日常天气信息，也可查询一些百科小知识。上架华为市场的手表应用，华为也会严苛把关并对管控权限调用，避免儿童隐私被泄露。
以上就是华为儿童手表5X Pro的评测，属于一款比较硬核的旗舰手表，丰富准确的定位，以及独立SIM卡可实现随时沟通，能满足家长端的需求。手表本身功能丰富，玩法很多（家长可手动限制），个人感觉适合七八岁及以上的孩子使用，会更好的发挥手表的功能。
7.1.5.3.1内部实验室—IATF16949的99个表格如何填写
IATF16949实施中，7.1.5.3.1内部实验室如何填写？这是IATF16949的99个表格中的一个。实验室是一种设施，可能包括化学、物理或电气等方面的测试，以确认产品的尺寸、可靠性等。而内部实验室是由组织控制的进行检验实验或较准的设施，与之相对的则是外部实验室，后者由非组织控制。需要注意的是，所有产品需要的测试都必须能在内部实验室或外部实验室找到。如果产品测试和校准无法由自己完成，就必须选择合适的外部实验室。内部实验室必须有明确的范围，范围应说明所要求的检验试验或校准服务的能力。内部实验室范围应在质量管理体系文件中详细描述，一般可以在质量手册中体现。每项内部实验室测试都必须有相应的测试方法、有效的设备、有资格的人员、样件的管理和测试结果判定等管理要求。例如，如果需要进行5种类别的测试，每种测试都需要有测试方法、测试结果判定等管理要求。内部实验室测试人员必须具备相应的能力，包括经验、技能和教育背景。一般通过外部培训来获得实验室人员实施每种测试的资格。内部实验室的管理还包括正确执行测试的能力、可追溯到相关过程标准(例如：ASTN、EN等)的能力、测试设备的有效性和可追溯性、测试环境的有效性和符合标准要求。通过校准或检定以及落实的温湿度等环境控制来满足相应的要求。
抓紧收藏，我尝试、测试和评估了60个数据科学的ChatGPT提示
#头条创作挑战赛#
我为数据科学评估了60个ChatGPT功能，使用这些提示并请ChatGPT为你编写和解释代码，优化数据科学代码。它还可以解释数据科学概念，提出想法，和解决问题，写PYTHON。
1. 训练分类模型
提示：我希望你扮演数据科学家的角色，为我编写代码。我有一个数据集，它包含[描述数据集]。请构建一个能预测[目标变量]的机器学习模型。
ChatGPT能够提供满意的代码：
提供常规的预处理（对数据进行缩放和编码分类变量），删除测试列提供训练-测试分割评估模型这是好的，因为它提供了足够的代码来开始一个模型。它在技术上也是正确无误的。然而，它的缺点是，它只使用准确性进行评估。
2. 自动机器学习
提示：我希望你扮演一个使用TPOT的自动机器学习（AutoML）机器人的角色。我正在研究一个预测[...]的模型。请写Python代码找出在测试集上具有最高AUC分数的最佳分类模型。
ChatGPT提供了好的代码（它可以运行！）：
提供训练-测试分割初始化了AutoML分类器将其拟合到AutoML分类器导出分类器我一点都不惊讶ChatGPT在这里表现优秀，因为这些代码基本上只是样板代码。这些代码可以直接从文档中复制粘贴过来。
3. 调整超参数
提示：我希望你扮演数据科学家的角色，为我编写代码。我训练了一个[模型名称]。请编写代码调整超参数。
对于决策树分类器，ChatGPT编写的代码：
执行了网格搜索建议最佳参数这一切都不错，代码可以运行！网格搜索是超参数调整最流行的方法，因此毫不意外，它排在首位。
然而，注意，网格搜索会穷举地遍历搜索空间。搜索空间越大，所需的时间就越长。另一种选择是随机搜索，它实现了对参数的随机搜索。一旦分配了预算，无论搜索空间如何，随机搜索需要的时间都是一样的。
4. 探索数据
提示：我希望你扮演数据科学家的角色，为我编写代码。我有一个数据集，包含[描述数据集]。请编写数据可视化和探索的代码。
对于探索，ChatGPT编写的代码：
使用了df.describe()来提供描述性统计数据创建了计数图用于可视化分类变量的分布创建了热力图来确定数值变量之间的关系通过数值列的箱形图确定了数值变量与目标变量的关系通过条形图确定了分类变量与目标变量的关系以上选择的图表确实是正确的。
5. 生成数据
提示：我希望你扮演一个假数据生成器的角色。我需要一个数据集，它有x行和y列：[插入列名]
ChatGPT生成的代码完全按照我的要求生成了数据。它只使用了pandas库和内置的random库，使其具有可移植性。我实际上确实使用了这个合成的数据集进行其他任务。
6. 编写正则表达式
提示：我希望你扮演一个编码器的角色。请用Python为我编写一个[描述正则表达式]的正则表达式。
在这里，ChatGPT提供的代码符合Python中我的正则表达式要求。
然而，请注意，我已经挑选了这个例子。在此之前，我尝试让ChatGPT创建更复杂的其他正则表达式模式，但是它失败了。即使在解释正则表达式时，它看上去非常自信，但是它生成的正则表达式并不能工作。
7. 训练时间序列
提示：我希望你扮演一个数据科学家的角色，为我编写代码。我有一个时间序列数据集[描述数据集]。请构建一个能预测[目标变量]的机器学习模型。请使用[时间范围]作为训练集，使用[时间范围]作为验证集。
ChatGPT提供的代码：
使用标准化对数据进行预处理创建了滞后变量训练了一个用于评估的随机森林回归器使用了平均绝对误差进行评估好吧，这是一个有争议的问题，ChatGPT不能正确地编写时间序列验证的代码。
原因如下：如果没有提示"请使用从A到B的数据作为训练数据，使用从Y到Z的数据作为验证数据"，ChatGPT会使用sklearn的train_test_split函数随机将数据点分割成训练集和验证集。这是一个大忌，因为train_test_split函数在随机分割数据时没有考虑到数据集之间的时间关系。相反，它应该使用所有早期时间段的数据点作为训练集，使用后期时间段的数据点作为测试集。
8. 处理不平衡数据
提示：我希望你扮演一个编码员的角色。我已经在一个不平衡的数据集上训练了一个机器学习模型。预测变量是列[插入列名]。在Python中，我如何对我的数据进行过采样和/或欠采样？
ChatGPT使用了imblearn库编写了随机对数据集进行下采样和过采样的样板代码。
这段代码是没有问题的，但我会对它对过采样和欠采样的理解提出一些挑剔的意见。
欠采样和过采样只应在训练数据集上进行。它不应该在包括测试数据集在内的整个数据集上进行。否则，评估将在一个不再反映真实数据集实际分布的重采样测试集上进行。
因此，它应该尝试首先将数据集分割为训练集和测试集，然后再进行欠采样和过采样。
9. 获取特征重要性
提示：我希望你扮演一个数据科学家，并解释模型的结果,我已经训练了一个决策树模型，我希望找到最重要的特征,请写出代码。
ChatGPT正确地提供了绘制决策树特征重要性的代码。它甚至将特征重要性从最重要到最不重要进行了排序。好样的！
10. 使用Matplotlib可视化数据
提示：我希望你扮演一个Python编程者的角色。我有一个数据集[name]，其列为[name]。[描述图形需求]ChatGPT能提供在Matplotlib中绘制可视化的正确代码。
我特别印象深刻，因为我提供了非常长且相当复杂的指示，而ChatGPT一丝不苟地遵循了它们。这是代码的输出结果：
11. 使用Matplotlib可视化图像网格
提示：我希望你扮演一个编码员的角色，我有一个图片文件夹，[描述目录中文件的组织方式] [描述你希望如何打印图像]
同样，ChatGPT能提供使用Matplotlib绘制图像网格的正确代码。
同样，我提供了复杂且长的指示，但是ChatGPT能够一丝不苟地遵循它们。（我个人很讨厌使用Matplotlib创建图表。它非常灵活，但是在它上面编写代码是相当痛苦的。）
12. 用Lime解释模型
提示：我希望你扮演一个数据科学家，并解释模型的结果。我已经训练了一个[库名]模型，我希望使用LIME来解释输出。请写出代码。
ChatGPT提供了使用LimeTabularExplainer解释模型的代码，并使用正确的命令解释了一个实例。
个人来说，我觉得这很有帮助，因为我不需要参考文档来获取样板代码。总的来说，ChatGPT提供了准确的代码，没有违反任何原则。
13. 使用Shap解释模型
提示：我希望你扮演一个数据科学家，并解释模型的结果。我已经训练了一个scikit-learn XGBoost模型，我希望使用Shap的一系列图表来解释输出。请写出代码。
14. 编写多线程函数
提示：我希望你扮演一个编程者，你能帮我在Python中将这段代码并行化吗？
我惊喜地发现这段代码实际上在没有任何修改的情况下就能工作。我预见我在将来经常这样做。
15.比较函数速度
提示：我希望你扮演一个软件开发者，我想比较两个在Python中执行相同操作的算法的效率，请编写代码帮我进行一个可以重复5次的实验，请输出实验的运行时间和其他汇总统计数据，[插入函数]ChatGPT能够使用内建包编写比较两个函数速度的代码。
代码运行正常且正确。虽然我更希望ChatGPT使用Python中的%%timeit魔法命令，而不是编写冗长的代码。
16. 创建NumPy数组
提示：我希望你扮演一个数据科学家，我需要创建一个NumPy数组，这个NumPy数组应该有(x,y,z)的形状，请用随机值初始化NumPy数组。
这个简单的命令导致了一个简单的函数。在这里，ChatGPT展示了它将人类语言转化为适当的函数和参数的能力。
17. 编写单元测试
提示：我希望你扮演一个软件开发者。请为函数[插入函数]编写单元测试。测试用例是：[插入测试用例]
18. 验证列
提示：我希望你扮演一个数据科学家。请编写代码来测试我的pandas数据框是否满足[插入要求]
19. 解释Python
提示：我希望你扮演一个代码解释员。这段代码在做什么？[插入代码]
我对ChatGPT的回答非常满意。它不仅能解释每个函数的概念，还能猜出程序员为何要执行某个操作。例如，它通过说“这可能是为了确保值在像素强度值的有效范围内”来解释行np.clip(reconstructed, 0, 1)，这是绝对正确的。
我认为，ChatGPT理解代码的能力相当好和健壮。因此，我强烈建议任何在理解代码上遇到问题的程序员使用ChatGPT来补充API的文档。
20. 解释SQL
提示：我希望你扮演一个数据科学教师。你能解释一下这段SQL代码在做什么吗？[插入SQL代码]同样，这是一个正确且出色的解释。就像它对Python的解释一样，ChatGPT能够理解并解释SQL代码。
我喜欢它对行SUM(Revenue) OVER (ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW)的解释。注意，它不仅能提供这行代码的高层次解释，还能详细解释OVER()，UNBOUNDED PRECEDING和CURRENT ROW子句在做什么。
21. 解释Google Sheets公式
提示：我希望你扮演一个Google Sheets公式解释器。解释以下Google Sheets命令。[插入公式]
ChatGPT能够很好地解释FILTER函数。我喜欢它提供了像在文档中看到的那样的通用代码片段，并使用用户提供的特定参数解释通用片段。
特别是，这句"Filter"函数被用来根据条件"A2:A12=F2"过滤范围"C2:C12"，是针对用户参数的出色解释。
22. 提高代码速度
提示：我希望你扮演一个软件开发者,请帮我提高下面代码的时间复杂度,[插入代码]
ChatGPT做出了从O(n)到O(1)的正确优化。然而，注意这是一个简单的例子。你可能想在更复杂的情况下测试它，看看是否能保持这种优化。
23. 优化Pandas
提示：我希望你扮演一个代码优化者,你能指出以下Pandas代码的问题并优化它吗？[在这里插入代码]
我个人认为这些建议特别重要。它指出代码没有问题（一个正确的观察），并开始建议良好的编码实践。
24. 再次优化Pandas
提示：我希望你扮演一个代码优化者。你能指出以下Pandas代码的问题并优化它吗？[在这里插入代码]
当然，ChatGPT能够发现在Pandas中使用iterrow是一种反模式。我喜欢这个优化。
25. 优化Python
提示：我希望你扮演一个代码优化者。这段代码写得很差。我该如何改正它？[在这里插入代码]
26. 优化SQL
提示：我希望你扮演一个SQL代码优化者。以下代码运行缓慢。你能帮我提高它的速度吗？[插入SQL]
这里的前两个建议是有效的优化建议。然而，第三个建议是错误的。实际上，DATEPART实际上比EXTRACT快。因此，我必须为这个类别扣分。
27. 简化Python
提示：我希望你扮演一个代码简化者。你能简化以下代码吗？
如果你在Python中写了一些复杂的代码，ChatGPT可能能帮你简化它。
28. 编写文档
提示：我希望你扮演一个软件开发者。请为下面的func1提供文档。[插入函数]
ChatGPT能够提供正确、格式整齐的文档字符串,它还提供了一个能捕获函数本质的一行语句（“计算整数的和”）。这很整洁，我希望以后我也这么做。
29. 提高可读性
提示：我希望你扮演一个代码分析器，你能改进以下代码的可读性和可维护性吗？[插入代码]
我对这里稍微有些失望，因为我希望ChatGPT能帮我移除函数中的冗余变量。话虽如此，它的建议已经有助于提高可读性。
30. 格式化SQL
提示：我希望你扮演一个SQL格式器，请格式化以下SQL代码，请将所有保留关键字转换为大写[插入要求]，[插入代码]
代码的格式化整齐且正确，缩进和大小写都正确。
31. 在数据库管理系统之间进行翻译
提示：我希望你扮演一个编码员，并为MySQL编写SQL代码，PostgreSQL的DATE_TRUNC在MySQL中的等效项是什么？
尽管ChatGPT能够在这个例子中翻译DATE_TRUNC函数，但在其他情况下却失败了。特别是，它未能将Redshift的PIVOT翻译成包含一系列CASE WHEN的查询。因此，这种翻译可能只适用于简单的用例。
32. 将Python翻译成R
提示：我希望你扮演一个代码翻译员，你能把下面的Python代码转换成R代码吗？[插入代码]
这是一个正确的翻译！然而，请注意这是一个非常直接的函数。ChatGPT可能在更复杂的代码块上会失败。
33. 将R翻译成Python
提示：我希望你扮演一个代码翻译员,你能把下面的R代码转换成Python代码吗？[插入代码]
同样，这里的翻译是正确的。然而，请注意这是一个非常直接的函数。ChatGPT可能在更复杂的代码块上会失败。
解释概念
总的来说，我非常喜欢ChatGPT正确地解释概念的能力，并且能对受众有所了解。通过下面的例子，你可以看到ChatGPT如何向不同水平的受众解释不同的概念。当向一个孩子解释一个复杂的概念时，它使用了适当的比喻。当向一个教授解释概念时，它使用了适当的语气和语言。当向一个商业利益相关者解释概念时，它引用了商业术语和上下文。每个方面都给出五星。
34. 向五岁小孩解释
提示：我希望你扮演一个数据科学导师,向一个五岁的孩子解释[概念]。
35. 向本科生解释
提示：我希望你扮演一个数据科学导师,向一个本科生解释[概念]。
36. 向教授解释
提示：我希望你扮演一个数据科学导师,向一个教授解释[概念]。
37. 向商业利益相关者解释
提示：我希望你扮演一个数据科学导师,向一个商业利益相关者解释[概念]。
38. 像StackOverflow一样解释
提示：我希望你能像在StackOverflow上回答问题一样行动，你可以提供代码片段、样例表格和输出来支持你的回答，[插入技术问题]
答案不仅正确而且简洁，而且还附带了相关信息（不同类型的约束）和代码片段。
我在这里的一个提示是，为了得到更全面的答案，可以明确地要求ChatGPT提供代码片段、样例表格和输出。
39. 提出边缘情况
提示：我希望你能像一个软件开发者一样行动，请帮我捕捉这个函数的边缘情况[插入函数]
对于一个相对简单的函数，ChatGPT能够正确且详尽地建议边缘情况。它详尽地考虑了所有的情况，而不需要提示什么是这些情况。
40. 建议数据集
提示：我希望你能像一个数据科学职业教练一样行动。我想为[...]建立一个预测模型。同时，我想展示我的[...]知识。
你能否建议五个与我的用例最相关的数据集？我喜欢ChatGPT的数据集建议，因为它们是针对我的用例定制的。我也已经对不同的人物和用例测试过这个提示，它给出的建议始终是优秀的。
然而，注意，我只测试了相对简单的用例。对于需要特定数据集的更复杂的用例，ChatGPT可能做得不好。
41. 提案组合理念
提示：我希望你扮演一个数据科学教练。我的背景是[...]，我希望[职业目标]。我需要建立一个数据科学项目的投资组合，帮助我在[...]中找到一个[...]的角色。你能否建议五个具体的投资组合项目，这些项目能展示我的[...]的专业知识，并且与[公司]有关？
这是我最喜欢的提示之一。它的建议不仅对我自己有关，而且对我正在寻求的行业，甚至我梦想的公司也有关。它并没有建议任何通用的项目，如泰坦尼克号或鸢尾花项目。相反，它根据对公司（在这种情况下是特斯拉），行业（数据科学）和我的工程背景的了解，提出了显著的建议。
我喜欢这个功能，希望更多的人会试用它！
42. 提供资源
提示：我希望你扮演一个数据科学教练。我想学习[主题]。请提供3个最好的具体资源。你可以包括[指定资源类型] 这个是给那些想要学习新技能的人。
我发现它建议的资源不仅相关，而且备受好评。它也没有提供一个压倒性的资源列表，而是只提供了一些。我喜欢这一点，因为它确实为寻找新资源的人提供了一个很好的起点。
43. 时间复杂度建议
提示：我希望你扮演一个软件开发员,请比较下面两个算法的时间复杂度:[插入两个函数]
对于这个非常简单的例子，ChatGPT能够推导出时间复杂度。
44. 特征工程建议
提示：我希望你扮演一个数据科学家并进行特征工程,我正在开发一个预测[插入特征名称]的模型,有以下列：[描述列],你能为这个机器学习问题建议我们可以工程化的特征吗？
我非常喜欢ChatGPT的反应。它建议的特征是健全的，并且实际上对用例有用。
45. A/B测试步骤建议
提示：我希望你扮演一个统计员,[描述上下文] 请为这个目的设计一个A/B测试,请包括我应该运行哪种统计测试的具体步骤。
虽然ChatGPT的A/B测试步骤是正确的。我确实发现需要明确要求它包括所需的统计测试。
46. 职业指导
提示：我希望你扮演一个职业顾问,我正在寻找一个[角色名称]的角色,我的背景是[...],我如何在6个月内用什么
样的资源找到这个角色？
我并不惊讶ChatGPT在这里做得很好,它能够反复提出对职业转型者的建议。虽然这在技术上是正确的，但我并不觉得它非常令人印象深刻。
注：可以结合Tip 41（提议投资组合的想法）和42（建议数据集）在建立投资组合时使用这一提示。
47. 纠正自己的ChatGPT代码
提示：你上面的代码是错误的，[指出错误]。你能再试一次吗？
ChatGPT会快速承认自己的错误并纠正其代码，在上面的例子中，我要求ChatGPT创建一个Shell命令。如果你发现它实际上无法运行，请指出了哪里出错，然后进行第二次尝试，ChatGPT能够提供正确的代码。
如果你确切地知道错误在哪里，这就足够好了。但在你不知道错误在哪里的情况下，ChatGPT可能无法准确地指出错误在哪里，仍然需要程序员自己去弄清楚。
48. 纠正Python代码
提示：我希望你能像一个软件开发者一样行动，这段代码应该[预期功能]，请帮我调试这段无法运行的Python代码，[插入函数]
我向ChatGPT提供了一个简单的错误函数，它能正确地告诉我为什么它是错误的。
49. 纠正SQL代码
提示：我希望你能像一个SQL代码纠正员一样行动，这段代码在[你的数据库管理系统，例如PostgreSQL]中无法运行，你能为我纠正它吗？[这里是SQL代码]
对于一个简单的查询，给出了正确的解释。然而，在进一步测试时，我确实发现ChatGPT对复杂SQL查询的理解有些欠缺。它无法调试包含多个表的更复杂的SQL查询。
50. 故障排除PowerBI模型
提示：我希望你能像一个PowerBl建模者一样行动，这是我当前项目的详细情况：[插入详细信息]。你看到表格有任何问题吗？
ChatGPT能够对PowerBI模型提出相关的改进建议。它也承认了自己的不足（“如果没有更多的背景信息，很难确定是否存在问题”）Mathias Halkjær Petersen和ChatGPT关于这个主题有一个很好的交谈。他展示了当提供更多的背景信息时，ChatGPT能够有效地对PowerBI模型进行故障排除。它也能相对独立地编写模型。
51. 创建运行平均值
提示：我希望你能像一个数据科学家一样为我写SQL代码。我有一个包含两列的表[插入列名]。我想计算[哪个值]的运行平均值。适用于PostgreSQL 14的SQL代码是什么？
在这里，ChatGPT确实给出了一个好的回应！它正确地为创建SQL中的运行平均值提供了输出。它还提供了正确的解释和分解。
我有一个提示就是向ChatGPT提供精确的SQL版本，这使得它能够创建数据的版本。我鼓励实践者用他们自己的SQL问题测试ChatGPT，看看它是否能产生正确的回答。
52. 解决Leetcode问题
提示：假设你
得到了带有列的表……输出以下内容……
ChatGPT可以解决一个初级的Leetcode问题（难度：简单）关于SQL。上面的代码是可靠的，回答了问题。
然而，当我测试中等难度的Leetcode问题时，它未能生成可运行的SQL代码。编写其他代码
53. 编写Google表格公式
提示：我希望
你能像一个生成Google表格公式的机器人一样行动，请生成一个公式[描述要求]
ChatGPT擅长作为所有命令的查找表。如你所见，我向它询问了一个从一个表格获取数据并放入另一个表格的函数。它忠实地提供了正确的importrange。
然而，我再次挑选了这个例子。当被要求提供更复杂的公式时，ChatGPT会失败。特别地，我要求它提供一个公式，输出2023年的周一的数量。它未能生成一个可工作的公式。然而，它仍然自信地解释它，好像它表现得很好。
54. 编写R
提示：我希望你能像一个使用R的数据科学家一样行动，你能写一个R脚本吗？[在这里插入要求]
在这个基础的R命令上，ChatGPT表现得确实出色。这段代码可以运行，确实如要求创建了图形。
然而，请注意，我并没有广泛地测试ChatGPT在R编程上。我可以想象它在更复杂的情况下可能会失败或产生错误的代码。
55. 编写Shell
提示：我希望你能像一个Linux终端专家一样行动，请编写代码以[描述需求] 这些是对所请求指令的正确命令。
即使我没有明确要求，它甚至提供了一行代码来授予文件必要的权限。
然而，请注意，我从所有编写Shell命令的提示中挑选出了这个例子。特别是，当我要求ChatGPT递归地从文件夹复制文件时，它给出了一个无法执行的错误输出。为它辩护的是，它能够纠正自己的代码（参见上文的“47. 纠正自己的ChatGPT代码”）。
56. 编写VBA
提示：我希望你能像一个Excel VBA开发者一样行动。你能编写一个VBA [在这里插入函数]吗？杂项
57. 格式化表格
提示：我希望你能像一个文档格式化者一样行动。请把以下内容格式化成一个漂亮的表格，让我放在Google文档中？[在这里插入文本表格]
输出结果不言自明。它能够把我从网上复制的一个表格转化成一个格式良好的表格。然而，ChatGPT无法为表格提供任何定制。我要求它改变颜色和字体，但它做不到。
58. 概括书籍
提示：我希望
你能像一个技术书籍概括者一样行动，你能用5个主要观点概括一下[名字]这本书吗？
Knaflic的书是一个关于数据讲故事技巧的宝库。我个人觉得这个总结过于笼统，没有足够捕捉到这些技巧。
59. 概括论文
提示：我希望你能像一个学者一样行动。请用简单的语言在一段中概括这篇论文[...]。
我要求ChatGPT概括一个相对较旧的论文“从神经网络中提取知识”。它能够以相对直接、无行话的方式解释最重要的概念。
然而，请注意，这是可能的，因为有足够多的人写了关于上述论文的评论或总结。对于不那么流行的论文，它可能无法做好总结。
此外，ChatGPT对2021年之后的世界没有理解。因此，它无法帮助你理解新的论文。
60. 提供情绪支持
提示：我希望你能为我提供情绪支持，[在这里说明问题。]
好的，我不是心理学家，所以我不认为我有资格来评判这个。即便如此，我个人认为这是一个既有同情心又实际的回应。它也展现出对数据科学过程的良好理解。结语
ChatGPT在解释事物和提供模板代码方面表现出色。然而，当涉及到调试或创建复杂代码片段时，它就显得力不从心了。
ChatGPT会取代数据科学家吗？不，我不这么认为。至少目前还不会。然而，使用ChatGPT的人可能会。
我希望这些提示对你有所帮助！它确实帮助了我。
如果你喜欢这个，我会每天分享数据科学的技巧和内容。关注我在Medium和LinkedIn上的更多内容。
香港优才计划2023最全打分表，含具体评分标准，更新版本上线 ！
香港优才计划自测表已更新，超全积分规则详解，申请前打对分能赢30%！
香港优才计划申请判断第一要素就是“打分表”，只有【正确】测评过才知道自己的level在哪一级。
想知道自己是否适合申请香港优才，可以复制链接搜索测试下↓↓↓
香港身份规划综合测评
香港优才申请很多人，基本上在打分表自测时都会出现分数评估不准确的情况。要么多加分，要么少评分。分数不准确，对优才申请获批的影响还是比较大的。
我们先来看一下香港优才申请的基本资格：
▲提交申请时，年龄必须满18周岁；
▲个人资产20万以上，家庭30万以上；
▲申请人不得有在香港或其他地方有刑事犯罪记录或不良入境记录；
▲申请人有学士或以上学位（需由认可的大学或机构颁发，需经中国学位网认证）
只有在满足了以上几个条件之后，才选择一套评分标准来计算自己的分数来递交申请。
成就计分制：适合获得过文化、体育等领域的国家级或国际级奖项，只要符合要求即可获批，分数只有0分和245分，0分直接被拒。
综合计分制：适合大部分优秀人才，主要是对申请人的年龄（最高30分）、学历（最高70分）、工作经验（75分）、人才清单（30分）、语言能力（最高20分）、家庭背景（最高20分）这6个方面来评分，总分是245分，达到80分就可以。
最新综合计分制评分表如下：
综合计分制评分标准规则说明
1.年龄（最高30分）
需要注意的是，年龄的临界点，是以申请人的递件时间为评分标准。如果递交申请前已经过了39周岁生日，那么年龄分就是按20分来算，以此类推。
2.学历/专业资格（最高70分）
你需要是已经毕业了且拿到了这个学位证书，如果你是在读状态，是不能加上这个学历分的。
除了有毕业证书，还要有学位证书，可以做出学位认证（海外要做留服认证），这样入境处才认可你的学历。
所以，如果你是硕士学历，但是只有毕业证没有学位证，是无法加上硕士分。
同理，自考、函授等拿的本科学历，如果你有学位证书，是可以申请优才的，但是如果只有毕业证没有学位证，则不能申请优才。
百强名校参考：QS、上交ARWU、Times Higher Education及US News这4家机构任意一个每年公布的全球前100名，或是US News的全国文科大学排行榜的前30所。
不论本硕博学位，只要有其一学位属于百强名校，均可多加30分。
3.工作经验（最高55分）
首先，需要相当于学位程度的工作经验，通常指机构内需由学历不低于学土学位程度者担任的职位，须为全职工作，工作年限从取得第一个学士及以上学位后开始算起。
其次，高级职位的工作经验，可以简单理解为高管工作经验，高级职位主要是指对机构整体绩效负责的职位。入境处对不同职业类别做了明确的区别，申请人申请时需选择对应的职业类别：
还有，海外工作经验的定义：现国籍外地区的工作，包括港澳台（外资企业、跨国公司都不叫海外工作，均不认可）。
跨国公司或知名企业范围：上市公司或位列《福布斯》全球企业 2000 强、《财富》世界 500 强和胡润中国 500 强企业。
4.人才清单（最高30分）
香港优才的人才清单，每一项专业人才均有明确的职责说明和资历要求。并不是单纯看申请人的从事行业与职位，还要看申请人的学术背景、过往工作经验、所做项目、专业素养等。
为保证申请人的基本申请资格，需确保除去【人才清单项】，申请人依然具有80分的基本分数。
5.语言能力（最高20分）
如果你是在内地大学毕业，想要加上英语分需提供两年内的雅思、托福合资格的成绩证明，如果提供不了是不能加分的。而且四六级、专四专八证书都不能加英语分。
如果毕业于英语国家（官方语言为英语），提供全日制学习+学位证书+成绩单可加20分，其他语种加15分。
6.家庭背景（最高20分）
双非/单非的香港出生未成年子女并未居住在香港不计入第一条加分，可按第三条计算受养人加分。另外，如果配偶或子女符合加分条件，但是不协同申请，则无法加分。
香港优才打分常见问题汇总：
Q1、我现在已经满39周岁了，年龄分是按20分计算？
答：年龄分数以递交申请当天申请人的年龄来计算，如果递交申请前已经过了39周岁生日，那么年龄分就是按20分来算，以此类推。
Q2、我实际工作经验十多年了，没有本科学位，是今年才拿到的硕士学位，以前的工作经验可以加分吗？
答：不算分，从第一个学位开始算工作经验。如果符合优才申请条件，虽然以前工作经验不算分，但可以在文书中表现以往工作亮点。
Q3、我之前在两家上市公司工作过，但没有在同一家公司工作满3年。其中第一家工作了一年半，第二家工作了两年。这可以按名企工作满3年额外加分吗？
答：可以的。申请人在跨国公司或知名企业（如上市公司或位列《福布斯》全球企业2000强、《财富》世界500强和胡润中国500强企业）累计工作经验年限符合加分要求即可额外加分20分。
需要注意的是，关于工作经验都是累计的，比如说管理经验、海外工作经验或名企工作经验等，只要累计达到相应标准，并提供相关材料证明，那么就可以加分。
Q 4、我配偶不协同申请，可以加分吗？
答：不可以。配偶、子女需协同申请才能加分，如果配偶或子女符合加分条件，但是不协同申请，则无法加分。
Q5、我没有本科学位证，但是现在有硕士学位，能申请吗？
答：分数达到80分就能申请。
最后重点来说一下，哪些人才会更适合申请香港优才。
1.有国际工作经验的人士，不少于2年多加15分，包括港澳台。
2.有跨国或名企公司工作经验的人士，不少于3年多加20分。
3.毕业于全球百强名校的人士，不论本硕博，多加30分。
4.有硕博学历、或双学士/双硕士的人士；
5.是香港热门/紧缺行业的人士，如金融、科技、IT、高新技术、工程、医疗等；
6.符合香港51项人才清单的人士；
7.有丰富工作经验或高管经验的人士；
8.行业内有成就，如专业性论文、专利等的人士。
香港优才自评容易有误差，建议大家在自评之后，再去找专业人士做个评估，确认最终分数，全面了解一下自己申请的优劣势都有哪些。
想知道自己是否适合申请香港优才，可以复制链接搜索测试下↓↓↓
香港身份规划综合测评
想要了解更多香港身份，可以关注公众号：【料老师say】
