Differenze

Queste sono le differenze tra la revisione selezionata e la versione attuale della pagina.

--- r:rstudio:strumenti_ia_analisi_dei_dati [15/10/2025 05:26] – [Le chat IA] Agnese Vardanega
+++ r:rstudio:strumenti_ia_analisi_dei_dati [15/10/2025 05:32] (versione attuale) – [Uso programmatico: che vuol dire?] Agnese Vardanega
@@ Linea 56: / Linea 56: @@
   * identificare errori e suggerire correzioni;
   * (ri)formattare lo //script// applicando convenzioni di stile, indentazioni e spaziature coerenti, rendendolo conforme agli standard (vedi [[r:concetti_di_base:regole_del_coding|]];
-  *  generare documentazione per il codice, creando commenti, o chiedere spiegazioni (ad esempio: "che significa questo output?"; "che fa questo script?").
+  *  generare documentazione e scrivere i commenti.
@@ Linea 64: / Linea 64: @@
 Esistono poi **assistenti IA integrati negli ambienti di sviluppo**, come //Codeion// (ora [[https://windsurf.com/|Windsurf]]), //[[https://github.com/features/copilot|GitHub Copilot]]//, o //[[https://codeassist.google/|Gemini Code Assist]]//, a cui è dedicata la pagina [[r:rstudio:ai-code-assistant|]]
-Assistono nella scrittura del codice, sono spesso "agentivi", eseguono cioè azioni complesse in modo autonomo ... ma evidentemente richiedono la conoscenza del codice e delle IDE nelle quali sono integrati.
+Assistono nella scrittura del codice, sono spesso "agentivi", eseguono cioè azioni complesse in modo autonomo, ma evidentemente richiedono la conoscenza tanto del codice quanto delle IDE nelle quali sono integrati.
+A volte sono collegati ad una chat anch'essa integrata, e quindi si riescono ad usare in maniera abbastanza intuitiva già ad un **livello intermedio**
-A volte, mettono a disposizione le chat, quindi, per l'analisi dei dati, si iniziano ad usare abbastanza facilmente, dimostrandosi molto **utili già ad un livello intermedio**.
 ===== Integrazione degli LLM tramite API =====
@@ Linea 92: / Linea 93: @@
 Si possono ad esempio inviare richieste per analizzare dati o eseguire operazioni di machine learning direttamente da R, e ricevere un output gestibile in R, senza dover passare attraverso un'interfaccia web, esportare o importare, o copia-incollare, file. Oppure, nel campo dell'elaborazione del linguaggio naturale, si può creare uno script R che invia dati a un LLM per l'analisi del sentiment, elabora la risposta dell'LLM e poi utilizza i risultati per generare grafici o report.
-Questa capacità di **interazione diretta e automatizzata** apre, evidentemente, nuove frontiere per l'analisi dei dati, in particolare per l'elaborazione del linguaggio naturale in R.
-Apre però anche interrogativi importanti in merito alla "spiegabilità" dei risultati, e alla loro riproducibilità.
 ==== Modelli generalisti, non app ====