Vibe 使用 Python 和本地法学硕士编写私人 AI 金融分析师

学习使用 Python 构建 AI 数据分析师:使用本地法学硕士分析数据、检测异常并生成预测。

来源:KDnuggets

简介

上个月,我发现自己盯着银行对账单,试图弄清楚我的钱到底去了哪里。电子表格感觉很麻烦。现有的应用程序就像黑匣子,最糟糕的是它们要求我将敏感的财务数据上传到云服务器。我想要一些不同的东西。我想要一位人工智能数据分析师能够分析我的支出、发现异常交易并为我提供清晰的见解,同时保持我的数据 100% 本地化。所以,我建造了一个。

最初是一个周末项目,后来深入研究了现实世界的数据预处理、实用机器学习以及本地大语言模型 (LLM) 的强大功能。在本文中,我将向您介绍如何使用 Python 和“Vibe Coding”创建人工智能驱动的财务分析应用程序。在此过程中,您将学习许多适用于任何数据科学项目的实用概念,无论您是在分析销售日志、传感器数据还是客户反馈。

到最后你就会明白:

  • 如何构建强大的数据预处理管道来处理混乱的真实 CSV 文件
  • 当训练数据有限时如何选择和实现机器学习模型
  • 如何设计真正回答用户问题的交互式可视化
  • 如何集成本地法学硕士以在不牺牲隐私的情况下生成自然语言见解
  • 完整的源代码可在 GitHub 上获取。您可以随意分叉、扩展它,或将其用作您自己的人工智能数据分析师的起点。

    问题:为什么我要构建这个

    大多数个人理财应用程序都有一个根本缺陷:您的数据不受您的控制。您将银行对账单上传到存储、处理您的信息并可能通过其获利的服务。我想要一个工具:

  • 让我立即上传和分析数据
  • 在本地处理所有内容 - 无云,无数据泄漏
  • 提供人工智能驱动的见解,而不仅仅是静态图表
  • 项目架构

    在深入研究代码之前,这里是一个项目结构,显示了各个部分如何组合在一起:

    自动检测列映射

    \[