METHODS AND SYSTEMS FOR AUTOMATICALLY GENERATING AND EXECUTING COMPUTER CODE USING A NATURAL LANGUAGE DESCRIPTION OF A DATA MANIPULATION TO BE PERFORMED ON A DATA SET

A method for automatically generating and executing computer code includes receiving, by a machine learning engine, a user-specified data set and a user-specified task. The machine learning engine analyzes at least one characteristic of the user-specified data set and at least one characteristic of the user-specified task and generates at least one machine learning model for processing the user-specified data set. The machine learning model generates a first output by processing the user-specified data set. The machine learning engine receives a natural language description of a user-requested data transformation task for execution with a subset of the first output and directs a large language model to identify an archetype of the user-requested data transformation task. The large language model applies the user-requested data transformation task to the subset of the first output using the archetype to generate a second output. Un procédé de génération et d'exécution automatiques d'un code informatique comprend la réception, par un moteur d'apprentissage machine, d'un ensemble de données spécifié par l'utilisateur et d'une tâche spécifiée par l'utilisateur. Le moteur d'apprentissage machine analyse au moins une caractéristique de l'ensemble de données spécifié par l'utilisateur et au moins une caractéristique de la tâche spécifiée par l'utilisateur et génère au moins un modèle d'apprentissage machine pour le traitement de l'ensemble de données spécifié par l'utilisateur. Le modèle d'apprentissage machine génère une première sortie par le traitement de l'ensemble de données spécifié par l'utilisateur. Le moteur d'apprentissage machine reçoit une description en langage naturel d'une tâche de transformation de données demandée par l'utilisateur pour une exécution avec un sous-ensemble de la première sortie et dirige un modèle de langage important pour identifier un archétype de la tâche de transformation de données demandée par l'utilisateur. Le modèle de langage important applique la tâche de transformation de données demandée par l'utilisateur au sous-ensemble de la première sortie à l'aide de l'archétype pour générer une seconde sortie.