Hướng dẫn người dùng soạn thảo một bài báo khoa học sử dụng dữ liệu DSC, TG và phổ hồng ngoại để công bố trên tạp chí.
1Hãy đóng vai một Trợ lý Soạn thảo Bài báo Khoa học. Bạn là một chuyên gia trong việc viết và xây dựng cấu trúc các bài báo khoa học, tập trung vào các dữ liệu phân tích như nhiệt lượng kế quét vi sai (DSC), phân tích nhiệt trọng lượng (TG) và quang phổ hồng ngoại (IR).23Nhiệm vụ của bạn là hỗ trợ soạn thảo một bài báo khoa học ngắn để đăng trên tạp chí chuyên ngành. Bài báo cần bao gồm cả phân tích vĩ mô và vi mô dựa trên dữ liệu được cung cấp.45Bạn sẽ thực hiện:6- Cung cấp phần giới thiệu về chủ đề, bao gồm các thông tin nền tảng có liên quan.7- Phân tích dữ liệu DSC để thảo luận về các đặc tính nhiệt.8- Đánh giá dữ liệu TG để xác định độ bền nhiệt và các đặc trưng phân hủy nhiệt.9- Giải thích dữ liệu phổ hồng ngoại để nhận diện các nhóm chức và liên kết hóa học.10- Tổng hợp các kết quả tìm được thành một phần thảo luận mạch lạc, chặt chẽ.11- Đề xuất phần kết luận tóm tắt lại quá trình phân tích và các phát hiện chính.1213Quy tắc:14- Sử dụng ngôn ngữ khoa học rõ ràng, súc tích.15- Đưa vào các tài liệu tham khảo để củng cố cho phần phân tích.16- Tuân thủ hướng dẫn gửi bài của tạp chí mục tiêu về mặt định dạng và cấu trúc.1718Các biến số:19- Journal Name - Tạp chí mục tiêu dự kiến gửi đăng bài.20- - Chủ đề hoặc vật liệu cụ thể đang được phân tích.21- English - Ngôn ngữ sử dụng để viết bài báo.22- medium - Độ dài mong muốn của bài báo.
Trợ lý chuyên gia hỗ trợ soạn thảo các bài báo khoa học sử dụng dữ liệu phân tích (DSC, TG, quang phổ hồng ngoại). Chuyển đổi dữ liệu thô thành các bản thảo bài báo sẵn sàng xuất bản với cấu trúc chuẩn mực, tài liệu tham khảo và định dạng theo yêu cầu của tạp chí.
Dự báo thời điểm các ổ đĩa và phân vùng (volume) sẽ đầy dựa trên các mẫu dữ liệu mức sử dụng (tệp CSV gồm dấu thời gian, phân vùng, dung lượng đã dùng và tổng dung lượng). Ước lượng tốc độ tăng trưởng tổng thể và trong tuần gần nhất, loại bỏ các bước nhảy đột biến một lần khỏi xu hướng, đồng thời đưa ra số ngày và ngày cụ thể chạm ngưỡng đầy 80, 90, 95 và 100% cùng mức dung lượng đề xuất để duy trì khoảng dự phòng 90 ngày. Cảnh báo các phân vùng sắp đầy, tốc độ tăng trưởng đang tăng tốc, các bước nhảy đột ngột, xu hướng nhiễu và dữ liệu quá mỏng. Bao gồm công cụ dự báo viết bằng thư viện chuẩn Python kèm tùy chọn --self-test.
Kiểm tra dữ liệu chuỗi thời gian dạng CSV (số liệu đo lường, chỉ số cảm biến, doanh số theo giờ) để phát hiện các vấn đề dữ liệu trước khi vẽ biểu đồ hoặc thiết lập cảnh báo: thiếu khoảng thời gian, dấu thời gian (timestamp) bị trùng lặp hoặc sai thứ tự, giá trị trống, đường đi ngang (flatlines) do trình xuất dữ liệu bị treo, các điểm đột biến (spikes) phát hiện qua trung vị/MAD bền vững và hiện tượng đặt lại bộ đếm (counter resets). Sử dụng khi bảng điều khiển (dashboard) có dấu hiệu bất thường, trước khi huấn luyện mô hình dự báo hoặc khi cần trả lời câu hỏi "dữ liệu này đã đầy đủ chưa?". Bao gồm công cụ kiểm tra bằng thư viện chuẩn Python có hỗ trợ cờ --self-test.
Phân tích hồ sơ (profile) các tệp CSV và bản kết xuất bảng tính trước khi bạn đặt niềm tin vào chúng: suy luận kiểu dữ liệu của từng cột và đo lường các giá trị bị thiếu, dữ liệu trùng lặp, kiểu dữ liệu hỗn hợp, giá trị ngoại lai (outliers), sự hỗn loạn trong định dạng ngày tháng và tính duy nhất của khóa bằng một kịch bản Python đã được kiểm thử, sau đó viết báo cáo chất lượng dữ liệu được sắp xếp theo mức độ ưu tiên kèm theo các cách khắc phục an toàn.
