Note: This project was selected as the only undergraduate research poster for Carolina Data Science Day 2024, with all other posters presented by current or graduated PhDs and Post-Docs.
Desenvolvemos um dashboard interativo para os clientes da Stone Co., que são empreendedores brasileiros e desejam acompanhar suas vendas e transações bancárias. Criamos uma tela de login onde eles podem inserir seu ID e visualizar diversas visualizações de dados sobre suas transações financeiras. Este projeto foi construído utilizando Python, notebooks Python, CSS e Streamlit. Também utilizamos a API do GPT para incorporar um chatbot no dashboard, permitindo que os usuários consultem localmente conjuntos de dados relevantes às suas finanças e solicitem estatísticas resumidas abrangentes sem fornecer ao modelo de IA acesso aos dados. Um exemplo de consulta poderia ser: "Gerar um gráfico mostrando as vendas dos finais de semana de 2023."
"We developed an interactive dashboard for Stone Co. customers, who are Brazilian entrepreneurs wanting to track their sales and banking transactions. We created a login screen where they can enter their ID and view various data visualizations about their financial transactions. This project was built using Python, Python notebooks, CSS, and Streamlit. We also used the GPT API to integrate a chatbot into the dashboard, allowing users to query relevant datasets locally related to their finances and request comprehensive summary statistics of the data without providing the AI model any access to the data. An example query could be, 'Generate a chart showing weekend sales from 2023.'"
Em uma lista de 100 consultas geradas, os modelos 3.5 e 4o obtiveram resultados corretos em 74% e 79% das consultas, respectivamente, para 100 consultas fornecidas nos arquivos .txt acima. Notavelmente, os resultados não foram considerados incorretos se retornaram um erro por qualquer motivo ou se produziram um gráfico ou número que não respondia diretamente à consulta fornecida pelo usuário. O número de consultas testadas em ambos os modelos foi 100.
"In a list of 100 generated queries, models 3.5 and 4o obtained correct results in 74% and 79% of the queries, respectively, for 100 queries given in the .txt files above. Notably, results were not counted as incorrect if they returned an error for any reason or produced a graph or number that did not directly answer the user's query. The number of queries tested on both models was 100."
Riley Harper - riley.harper@unc.edu
Kensho Pilkey - kpilkey@unc.edu
Michael Puglise - michael.puglise@duke.edu
- Hack BRASA 2024
- Stone Co. Desafio
