作者的图像|chatgpt
介绍
一个
多年来，Google Colab一直是数据科学家，机器学习工程师，学生和研究人员的基石。它使访问当今世界中的基本计算资源（例如图形处理单元（GPU）和张量处理单元（TPU）等基本计算资源，并为浏览器中提供了免费的无孔子jupyter笔记本环境。该平台在从学习Python和Tensorflow到开发和培训现代神经网络的所有方面都具有重要作用。但是，人工智能的景观正在以令人难以置信的速度发展，我们使用的工具必须随之发展。
认识到这一转变，Google推出了重新构想的Ai-First Colab。在Google I/O 2025上宣布，现在所有人都可以访问，这种新迭代不仅仅是一个简单的托管编码环境，成为AI驱动的开发工作流程伙伴。通过整合双子座的力量，Colab现在是一个可以理解您的代码，意图和目标的代理合作者，从而降低了解决当今数据问题的进入障碍。这不仅仅是更新；这确实是我们如何处理数据科学和机器学习开发的根本变化。
让我们仔细研究Google Colab的新AI功能，并找出如何使用它们来提高日常数据工作流程生产力。
为什么AI-First是改变游戏规则的人
一个
传统的机器学习工作流程可能是艰苦的。它涉及一系列不同的，经常重复的任务：探索性数据分析，数据清洁和制备，功能工程，算法选择，超参数调整，模型培训和模型评估。每个步骤不仅需要深入的领域知识，还需要大量的时间投资，以写作代码，咨询文档和调试。
像新COLAB这样的AI-第一个环境旨在大大压缩此工作流程，将AI嵌入开发环境本身。这些新的AI驱动功能的早期使用表明，用户效率增长了2倍，将手动劳动数小时转变为有指导性的对话体验，使您可以专注于工作的更具创造力和关键的方面。
考虑这些共同的发展障碍：
- 重复编码：编写代码以加载数据，清洁缺失值或生成标准图是该过程的必要部分但乏味的一部分
- “空白页”问题：盯着一个空笔记本并试图找出特定任务的最佳库或功能可能令人生畏，尤其是对于新移民而言
- 调试地狱：当您搜索论坛和文档以寻找解决方案时，一条晦涩难懂的错误消息可能会使数小时的进度脱轨
- 复杂的可视化：创建出版物质量图表通常需要大量调整绘制库参数，该任务分散了实际数据探索的注意力
新的AI-Fir-Colab直接解决了这些疼痛点，充当配对的程序员，有助于生成代码，建议修复，甚至自动化整个分析工作流程。这种范式的转变意味着您在编码机制上花费了更少的时间，并在战略思维，假设测试和结果解释上花费更多的时间。
Colab的核心AI功能
一个
现在由Gemini 2.5 Flash提供支持，这里有3个混凝土AI功能，Colab提供了这些功能，以使您的工作流更加容易。
1。迭代查询和智能协助
新体验的核心是双子座聊天界面。您可以通过底部工具栏中的双子座Spark图标找到它，以便快速提示或在侧面面板中进行更深入的讨论。这不仅仅是一个简单的聊天机器人；它是上下文感知的，可以执行一系列任务，包括：
- 自然语言中的代码生成：只需描述您想做的事情，Colab将生成必要的代码。这可以从简单的功能到重构整个笔记本。此功能大大减少了编写样板和重复代码所花费的时间。
- 图书馆探索：需要使用新图书馆吗？向Colab询问以您当前笔记本的背景为基础的解释和示例用法。
- 智能错误修复：当发生错误时，Colab不仅识别它，还迭代地建议修复并在清晰的DIFF视图中介绍所提出的代码更改，从而使您可以查看和接受更改。
2。下一代数据科学代理
升级的数据科学代理（DSA）是COLAB的另一个受欢迎程度。DSA可以自主从头到尾执行复杂的分析任务。您只需询问即可触发完整的工作流程。代理人将：
- 生成计划：概述实现目标所需的步骤
- 执行代码：在多个单元格上写入并运行必要的python代码
- 有关结果的原因：分析输出以告知其下一步
- 目前的发现：总结其发现并将其呈现给您
DSA允许在执行过程中进行交互式反馈，使您能够完善或重新布线，以确保分析在整个过程中与您的目标保持一致。这使得诸如获取RAW数据集并执行端到端清洁，功能分析，模型培训和评估等复杂的任务是一个简化的，对话过程。
3。代码转换和可视化
重构或修改现有代码很简单；只需描述自然语言所需的变化即可。COLAB将确定相关的代码块，并建议您批准的DIFF视图中的必要更改。
此外，数据可视化是数据探索的关键但通常乏味的一部分，现在很简单。用户可以要求Colab绘制其数据，并且代理商将生成清晰标记的图表，而无需手动用Matplotlib或Seaborn等图书馆的细节来搏斗。
开始新的AI-First Colab
一个
Google使访问新的COLAB功能变得简单。没有复杂的设置或候补名单；他们就在那里，即使在自由层中也可以使用。
打开笔记本上登录到Colab后，请在底部工具栏中查找Gemini Spark图标。单击图标以开始与笔记本进行交互，进行编码请求或提出问题。
请注意，尽管这些功能在免费层中可用，但付费层提供了更可靠的访问，更长的运行时间和更快的GPU。
使用新的AI-First Colab演练
一个
让我们使用一些COLAB样本数据测试DSA。
为此，我打开了双子座聊天面板，并键入以下简单的探索性数据分析任务提示（请注意，我不必明确要求Colab使用其DSA功能，但无论如何都具有）：
让我们分析一些数据！使用您的数据科学代理功能在sample_data文件夹（/content/sample_data/anscombe.json）中的anscombe.json示例数据上检查和报告。
新的Google Colab UI和双子座聊天面板可见（单击以放大）
一个
然后，COLAB的数据科学经纪人对计划做出了回应：
- 加载数据集：将anscombe.json文件加载到pandas dataframe中。
- 探索数据集：显示前几行，检查数据类型，并获取数据集的摘要以了解其结构和内容。
- 计算摘要统计信息：计算ANSCOMBE.JSON文件中每个数据集中每个数据集中的每个数据集的描述性统计信息（平均值，中位数，标准偏差等）。
- 可视化数据集：为四个数据集中的每个数据集创建散点图，以可视化X和Y变量之间的关系。
- 报告发现：总结分析和可视化的关键发现，并强调除了摘要统计数据外，可视化的重要性。
- 完成任务：将早期阶段的调查结果纳入任何人都可以阅读的格式。
代理开始执行代码，逐有单元。如果它遇到不确定的日期格式，则可能会暂停并要求澄清。您提供可视化的 - 一项组合任务，可以进行大量的手动编码和调试。
最后的想法
一个
重新构想的COLAB标志着Google迈向更直观，更强大的开发工具的旅程，尤其是在数据科学领域的工具。通过将代理合作者嵌入COLAB笔记本体验的核心，Google创建了一个平台，既可以加速专业人士的工作，又使数据科学和机器学习的世界更容易访问所有人。WW在其他设置中可能不是全面的氛围编码，但是COLAB提供了所谓的Vibe Analysis ...还是Vibe NoteBooking？
编码的未来是协作的，与COLAB一起，您的AI合作伙伴现在只需单击并提示即可。
一个 一个
马修·梅奥（Matthew Mayo）
（（@mattmayo13）拥有计算机科学的硕士学位和数据挖掘的研究生文凭。作为执行编辑kdnuggets和雕像，并在机器学习精通Matthew旨在使复杂的数据科学概念可以访问。他的专业兴趣包括自然语言处理，语言模型，机器学习算法以及探索新兴的AI。他的使命是使数据科学界的知识民主化。马修（Matthew）从6岁起就一直在编码。