Google Colab は無料のクラウドホスト型 Jupyter Notebook 環境で、ブラウザに直接 Python コードを記述して実行できます。AI モデルを実行するためのゲーム チェンジャーである Google Cloud の GPU と TPU を無料で利用でき、プロジェクトでの共同作業が容易になります。
12 月にお知らせしましたが、Trusted Tester は、Gemini 2.0 を使った Colab のデータ サイエンス エージェントでノートブックを作成できるようになっており、ライブラリのインポート、データの読み込み、ボイラープレート コードの記述といった面倒なセットアップ タスクから解放されています。Trusted Tester は、データ サイエンス エージェントに夢中になっており、ワークフローを効率化してこれまで以上に短い時間で知見を得ることができると報告しています。
そして本日より、一部の国と言語で、18 歳以上の Colab ユーザーがデータ サイエンス エージェントを利用できるようになります。これにより、大学とのパートナーシップが拡大し、シンプルな自然言語の説明を入力するだけで、完全に動作する Colab ノートブックを生成できるので、研究室はデータ処理と分析にかける時間を節約できます。
2. データを追加する: データファイルをアップロードします。
3. 目的を説明する: Gemini のサイドパネルで、どんな分析を行いたいか、またはどんなプロトタイプを作りたいかを説明します（例: 「傾向を視覚化する」、「予測モデルを作成して最適化する」、「欠落値を埋める」、「最適な統計手法を選択する」）。
4. データ サイエンス エージェントの動作を見守る: 動作する Colab ノートブックで、必要なコード、ライブラリのインポート、分析が生成されるのを見守ります。
また、このデータ サイエンス エージェントは HuggingFace の DABStep: 多段階推論データ エージェント ベンチマークで 4 位にランクインし、GPT 4.0、Deepseek、Claude 3.5 Haiku、Llama 3.3 70B ベースの ReAct エージェントを上回りました。
Gemini のサイドパネルからデータをアップロードし、データ分析の目的を簡単に説明するだけで、試すことができます。データセットは、Kaggle や Data Commons で探すことができますが、試してみることができるサンプルデータやプロンプトを紹介します。
この機能で、データ分析のワークフローが一変することを期待しています。皆さんのご意見をお待ちしています。ぜひ、Google Labs Discord コミュニティと #data-science-agent チャンネルにご参加ください。
