در اوایل سال جاری، یکی از کاربران ما درباره نحوه استفاده از نوت‌بوک‌های Domo و Jupyter برای اجرای تشخیص احساسات (نوعی تجزیه و تحلیل احساسات) در بررسی‌های برنامه از فروشگاه App Android پست کرد. ما فکر کردیم که می‌خواهیم کدی را در مورد نحوه کارکرد آن با همه به اشتراک بگذاریم. برای این تجزیه و تحلیل، نظرات و ویژگی‌های برخی از برنامه‌های تحویل غذای مورد علاقه خود را جمع‌آوری می‌کنیم، اطلاعات را در مجموعه داده‌ای ترکیب می‌کنیم و داشبوردی ایجاد می‌کنیم که تجزیه و تحلیل احساسات را برای هر مرور نشان می‌دهد. کندال روبر کد خود را با ما به اشتراک گذاشت و ما داشبورد زیر را در Domo با استفاده از ادغام نوت بوک Jupyter بازسازی کردیم. ادغام ما با Jupyter اجازه می دهد تا تکنیک ها و مدل های تجزیه و تحلیل پیشرفته تری توسعه و به راحتی در Domo پیاده سازی شوند. به عنوان مثال، به جای انجام کاری خارج از چارچوب مانند یک ابر کلمه برای تلاش برای فهمیدن احساسات (که ممکن است متفاوت از رتبه‌بندی‌های App Store) باشد، می‌توانیم ایده بهتری از احساس کاربران ما از روش‌های پردازش زبان طبیعی پایتون در Domo استفاده می‌کنند. ما بررسی‌ها را از طریق یک مدل تشخیص احساسات مانند مدلی که کندال در Hugging Face یافت، اجرا می‌کنیم، و با کمترین تلاش، یک مدل ML توسعه و پیاده‌سازی شده‌ایم. ما همچنین می توانیم از گزینه های زمان بندی در Domo استفاده کنیم. به عنوان مثال، این داشبورد زیر هر روز در ساعت 09:00 UTC به روز می شود. گزینه‌های دیگری نیز در دسترس هستند و کاربران فعلی Domo با این گزینه‌ها آشنا خواهند شد. علاوه بر این، ما داده‌ها را از API فروشگاه Google Play از طریق کد پایتون نوشته شده در Jupyter دریافت می‌کنیم. این داده ها را از API های شخص ثالثی که هنوز Domo Connector ندارند در دسترس محیط Domo شما قرار می دهد. در نهایت، ما اکنون از اشتراک گذاری و همکاری در نوت بوک ها و همچنین ادغام با حساب های Domo پشتیبانی می کنیم. داشبورد زیر، کد و دستورالعمل ها در سایت GitHub ما یافت می شوند.