Урок из полного доступа, первые уроки курса бесплатно Официальный курс Cohere LLM University на русском
Урок 21 · Текст · ~5 мин

Агент разбирает финансовые данные из CSV

Урок 21 из 114 курса «Cohere: LLM University»: официальный курс Cohere LLM University (Кохир) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Рассуждения с табличными данными остаются захватывающим применением агентов, особенно в финансовой сфере, где для определения правильного ответа может потребоваться несколько шагов рассуждения. Например, финансовый аналитик, работающий с финансовой отчетностью, может быть заинтересован в вычислении различных финансовых коэффициентов с помощью запросов на естественном языке.

Некоторые примеры могут включать:

  • ROE (Рентабельность собственного капитала) = Чистая прибыль / Собственный капитал акционеров
  • Чистая рентабельность = Чистая прибыль / Выручка
  • Оборачиваемость активов = Выручка / Средние общие активы
  • Финансовый рычаг = Средние общие активы / Собственный капитал акционеров

Наличие агента, способного правильно вычислять эти и другие коэффициенты, было бы большим подспорьем для любого аналитика в области финансов.

В этом блокноте мы исследуем, как настроить Cohere ReAct Agent для ответов на вопросы по таблицам в форме SEC10K Apple за 2020 год. Мы покажем, как это можно сделать с помощью двух вариантов инструмента langchain python: один требует передачи полного пути к dataframe, а другой требует загрузки объектов dataframe в память. Хотя между двумя подходами нет существенной разницы, мы представляем оба, чтобы показать, как управлять файлами, загруженными в память, по сравнению с файлами в хранилище.

  • Настройка
  • Введение
  • Вопросы и ответы по одной таблице Агент с инструментом Python
  • Агент с инструментом Python, который принимает таблицы в качестве входных данных

Цель этого блокнота — продемонстрировать, как агенты Cohere Langchain могут быть использованы для ответов на вопросы по табличным данным. Этот блокнот предполагает, что входными данными является набор CSV-файлов, извлеченных из отчетов Apple SEC 10K.

Мы используем sec-api для загрузки отчета о прибылях и убытках и балансового отчета из файла SEC 10K .htm. Обратите внимание, что таблицы должны быть проанализированы таким образом, чтобы индекс был числовым, поскольку генерация кода на Python испытывает трудности с фильтрацией по индексу. Мы обработали таблицы и предоставили их вам.

В приведенном ниже примере мы покажем, как инструмент Python можно использовать для загрузки dataframe и извлечения из него информации. Для успешного выполнения этого нам необходимо:

  1. передать…

План урока

  1. Мотивация
  2. Цель
  3. Оглавление
  4. Загрузка данных
  5. Агент с инструментом Python
  6. Агент с инструментом Python, который принимает таблицы в качестве входных данных

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы Cohere 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от Cohere (1 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Полезные гиды