小白终于直接面对 gpd 了,兴奋之余却是大失所望。他的回答太空、太犯、太无用了。怎么别人都说他多牛逼,多有深度,多有有价值?别着急,原来他刚出茅庐,还需要调教。快快来看如何对他进行调教吧。 gpt 之所以牛逼, 首先他必须知道你在说什么。还好,他具备了多轮对话和理解的能力和结合上下文语境的能力。他会记住我们前面的绘画内容,在此基础上具针对性的回答后面的内容。所以他是一个可交的孺子,可以通过不断的对提位数据 投指令实现对他的调教。他会是一个出类拔萃的好孩子,他会给我们需要的回答和效果。调教的第一个方法就是继续指令,他的形式就是请继续。在场上的限制条件下, gpt 给我们回答可能会说到一半就中断了,我们就可以通过继续指令让他继续说完。即使他说完了话,我们也可以通过 继续指令让他对回答不够深入、不够具体的地方继续展开。除此之外,还可以用进一步的继续指令对其进行层层追问。在进行继续追问的过程中,还可以把我们提问中的不要求的提示词给用上。当追问层次太多时,要注意要明确对象,避免出现答非所问的情况。 如果在同一个对话框内穿插多个不同的话题场景,在开启一个新话题时,应初始化以下 gpd, 把前面的对话清空后,再开始新的话题,这样就可以避免 gpd 的回答受前面内容的干扰。 gpt 的每一次回答可能并不总是如我们的意,所以还要用讲成指令来调教 gpt。 讲成指令的实操思路很简单,以训练出题小助手为例,在 gpt 出现之后, 能不能让 g p t 自动或者辅助生成思维练习题一份单调部分的工作呢?首先先从为之前的思维题让 g p t 学习和分析出题的格式,然后让它生成答案模式。 对于这些 gpt 生成的内容,如果符合要求,就用肯定词汇,比如非常好,请继续保持这种形式。对于不符合要求的地方,就用否定词汇,比如不对,你错了,请重做。要求是叉叉叉。经过重复的走位,一轮轮的调教, 读书的犯罪加糖快,一个初级小助手就调教成功了。 ppt 有无尽的可能性?赶快加入这场创造与探索吧!如果你有任何问题,欢迎在评论区讨论,如果你觉得有价值,请点赞关注,谢谢观看,下期再见。
粉丝72获赞394

要想签了 gpt, 成为你的私人专家,你就必须学会味道数据给他,比如给他一个平台和烦恼,让他体验一下核心内容,给他一个网页,让他查询最新的信息。给他一个表格,让他分析一下数据,给他一个文案,让他模仿, 给一些资料,让他做企业客服。要完成上面这些事,只需要一步喂头,如何做呢?首先,一千以下的那种相对较短的版本,直接在聊天框中丢给他即可。 用一条爆款的短视频文案的内容喂给他,让他模仿这种风格,写一条数据,给到他了,自动就总结了,然后让他模仿出一个文案。 然后如果是有网址的内容,可以用这个插件直接把网址放进去,让他把网页总结下来,或者根据网址的内容提分。再就是 如果是四点零的会员,也可以用这个插件再向他提问,回答的信息就是当前最新的内容。其次,如果是 pdf, 传统可以用四点零中的这个插件,只要把 pdf 送上到他自己的云盘,就能实现访问提问。 但是如果是 excel 表,其实可以把表格的内容丢给他,一会就给你总结好了,也可以基于这个数据不断去提外,比如让他生成表格,是不是和刚才我们看到的表格是一样的? 最后一种为数据的方式通过 api 来完成,比如用于 opia 的微调模型布局到本地化去做投位的智能客服手续的数据,企业实现客服的逻辑就是这样子的。

大家好啊,上期视频发布以后,有的小伙伴好奇说能不能给数据库的一张表来生成测试数据,那今天啊,带大家一起来测一下,我们先用 gbd 三点五的模型,首先呢,我建了一张空表叫 user, 然后呢,我们把它的这个创建语句复制出来, 好,我们把它转过来,这样的话相当于把表结构告诉他了,对吧?然后呢,我们告诉他帮我生成一些测试数据。 好,大家看他已经有了,但是呢,他这个都是英文的测试数据 中中文的了,但是大家看他这个状态字段采用的是英文字母,所以呢,我们再给他加一些要求, state 四需要十十二十三十四十里面的数值。 好,我们再来看, 这样就可以了,不过呢,他这个 header 他认为是职位了,我们可以再要求他 header 是头像地址, 那他生成的是这种地址,但这种地址呢,也都是没法访问的哈。好,我们再用四点零试一下,再创建一个绘画,我们选四。好,还是我们把表结构拿过来, 四的反应速度明显比三点五要慢一些啊,先停一下,然后说帮我生成一些测试数据, 好打开它还是英文的,我们来迟到了, 嗯,他这里边就没有简单的有张三李四了,大家看他用的是张伟,不过状态字段还是用的英文字母,我们看头像 啊,头像这块也不对。好,我们听一下,我们跟他说 datas 需要是十二十三十四十中的数值,然后 header 是 好,这回 status 状态是对的了。再来看 header 啊,跟刚才那个也差不多,也是这样的。好,大家看,可以了,我们再来比对比一下刚才的三点五,他简单的张三李四、王五, 但是呢 gbd 四的话他用的就是张伟、李力、王强这种名字,但是呢他其他的表现并没有比三点五好的太多。然后最后啊,我们把这个搜狗复制出来,然后呢放到数据库里执行一下。 好,可以了,我们再来检查一下这张表,数据就进来了。

嗯,很好,我们都知道这个拆的 gd 是一个很神奇的工具啊,他回答问题的质量其实很大程度上取决于我们提问的质量。今天老哥给大家分享一个万能的模板啊,能让拆的 gd 快速完成编程,然后实现我们需要的数据处理。 这个模板就三个部分啊,第一部分是给他带入一个角色,第二部分是表达希望他具有的这个能力。然后第三部分啊,他是直接提出我们数据处理的这个需求,那比如说现在我们让他预测一下这个混凝土的强度啊, 啊,大家看到了啊,他就开始帮我们写这个代码了,然后写完的这个结果我们直接 copy 一下啊,那这个结果我们粘贴到拍子里边试着运行一下啊, 他算了一会,已经给出这个计算的结果,这个代码我是没有改过的,大家看非常的方便。那同样的,前面的表述我们都不改啊,我们换一个问题啊,让他对这个鸢尾花数据集构建一个可以进行分类函数啊,大家看他就开始生成了,那我们把它生成的答案再次粘贴到拍子里面算一下啊,大家看啊,他已经算好了,这个计算的结果 还是非常不错的,所以说现在我们用 chitgp 确实还是能省很多的时间的。呃,如果大家想比较系统的学习用 chitgp 来完成一些这个数据分析啊,建议大家看一下这本书啊,这本书就是教给你在不同的场景之下如何有效的提问,然后让 chitgp 给你生成比较满意的这个答案啊,如果学会了之后,还是能节省我们不少的时间的啊。好的,谢谢大家。

太爽了啊,今天又拆的 gpt, 帮我处理了一些数据,本来呢,我就打算试试看啊,但是呢,我发现以后不用试了,这个过程太丝滑,太顺畅了。然后给大家复习一下过程啊,其实很简单,我这有一个 excel, 里边有三万多条数据吧。 然后呢,两列很简单,第一列是时间出尔,第二列是船舶的赤水深度。那我现在其实不想要这些一样的,大家看, 这么长时间段,他吃水都是五点五米,我就不需要这些数据,我只需要什么呢?就是在他发生变化的那一刻的时间, 这里变成了九点八米,比如说他装了货,赤水变深了,所以呢,这些数据也不能简单的去重复,比如说他装了货,又卸成五点五了,你不能去掉,只剩一个五点五。所以呢,我就直接把这个文件留给 g b t 了。其实很简单,我们选到 g b t 这个抠的音 pride 这个新出的功能。然后呢,把这 excel 传上去,然后啊,我把我上午那段话粘过来,我说这个表格里有两个字段,一个是时间戳,一个是赤水值。然后呢,我需要你帮我提炼出所有赤水发生变化的数据。打卡, 然后他就开始计算您的数据包含两个字段,以下是数据的前五行。 接下来我将找出所有吃水值发生变化的数据,这将涉及到比较吃水值与前一个值是否相同,如果不同,那么我们就认为吃水值发生了变化, 就是整个这个过程啊,他自己会分步骤来,大家看他先把这个数据读到,然后他要接下来要干什么,他又来计算,以下是所有池水值发生变化的数据, 这些行表示吃水值与其前一行相比发生了变化。好,大家看计算出来。然后呢?接下来,比如说我想把它导出 excel, 把结果导出 excel。 我已经把结果保存为 sale 文件了。您可以通过以下链接下载,它可以帮我们生成 instyle, 然后点击下载 好,然后我们打开它看看。大家看,这就可以了。那我还可以把这一列让它给我转成时间格式哈。我先把这个关掉,我告诉他导出的 pose time 列 转换成时间格式。我已经将 pastime 从 unic 时间戳转换为日期时间格式,并保存到了新的三文件中。 以下是转换后的数据,您可以通过一下链接下载赛文件看看。可以了,然后这个我就不下载了哈。接下来让他做一个曲线图,帮我做成曲线图。 以上是吃水值随时间变化的曲线图,横坐标表示时间,纵坐标表示吃水值发生变化的时间点。连线则表示吃水值变化的趋势。 打开出来了,但他这个 x 轴啊,有点乱,我们让他简单一点, x 轴值展示取水发生变化等事件, 这位再试一下。以上是修改后的吃水值随时间变化的曲线图,现在 x 轴指展示了吃水值发生变化的时间点,使得图表更清晰,看看就很清晰了。

明明你和我用的叉的 gpt 都是同一个妈生的,为什么我的叉的 gpt 可以很好的按照我的要求把文本信息变成表格,而你呢,却只能回复一堆没用的信息?那是因为你打开的咒语方式不对。刚好今天我教你两句咒语,让你的 gpt 乖乖的给你打工。咱们就以这段各级各类学校的数量统计和专任教师人数的统计为例,为了更好的阅读理解,咱们让 gpt 把这段文字信息变成 才有表格的形式。如果你直接问 gpt, 帮我把这段数据信息整理成表格点发送。稍等一下,不用想, gpt 的回答应该会让你抓狂。来,咱们换个高效的咒语。再次提问 gpt, 注意,这个咒语很重要,因为这是让 gpt 是否能乖乖给你打工的关键,一定要保存哦,给大家三秒钟时间保存来, 老规矩给大家拆解一下这个咒语。一个高校的提问都包含这几点要素,描述项目情况加设定角色加明确的任务需求加指定要求。描述项目情况对应的是第一句话。从我有一堆杂乱的文本数据,总共有六个模块组成,一直到民办教育结构进一步优化,设定角色对应的是第二句话,我希望你是一个资深的信息整理师,帮我整理这个数据信息。明确的任务需求对应的是第三句话,从每个模块单独 整理在一起,一直到第五列,是比上年提高了多少的百分点。指定要求对应的是第四句话,不能胡编乱造,整理好的数据信息要以 xl 表格的格式输出,好点发送。稍等一下, gpt 让我把数据信息发给他。复制文本数据信息粘贴给 gpt。 稍等一下, 一份清晰明了的表格信息就陆陆续续的出来了。所以在使用 cpt 时,如何提问至关重要,高效提问和低效提问得到的答案自然是天差地别的, 因为 gpt 每次输出内容的长度有限,当内容还没出完就停下不动的时候,咱们再给他发送这个咒语,让他继续按照这个格式和要求接着继续输出。这句咒语同样很重要,一定要保存哦,给大家三秒钟时间保存来好点,发送,稍等片刻, 这样一段冗长的文本数据信息就全部变成简单明了的 excel 表格信息了。如果想要把它变成 excel 表格文档,那简单选中表格数据, c t r l 加 c 复制打开 e x l 表格, c t r l 加离粘贴,再调整一下横高和列宽就可以了。怎么样,看了半天你学会了吗?老话说的好看,十变百变,不如自己动手做一遍,赶快去试试吧!

我给叉 cpt 投喂了最近五十七大乐透,然后给我推荐了一种方法, 然后我就去买了。中了三个不该有点东西,但是不多, nice。

let's use chat gbt in a raspberry pi to make a smart speaker that will actually understand who you are by embedding chat gbt with specific information about you and scientific research it can give you answers that are specific to your age, your body type or even your life situation how many grabs a protein do i need to gain muscle mass, you should aim to consume zero point eight to one point two grams of protein per pound of body weight per day to gain muzzle mass for you that would be one hundred and eight to one hundred and sixty two grams of protein per day once our devices can actually give us personalized responses that aren't just meant for generic answers will be one step closer to an actually personal computing experience,

怎么用 cheat g p t 赚到第一桶金?第一步,找到可能被 cheat g p t。 取代的十大职业。第二步,在这些职业被它取代前,用 cheat g p t 从事这些职业,比如短视频创作者。如果你在从事短视频,那 cheat g p t。 可以帮你完成以下这些任务。 一、声称初始脚本,把你想起的选题告诉他,十秒钟他就可以生成一条脚本,他连场景和画面转场都会给你写出来,在他给你的脚本上稍作修改, 你的效率可以提升很多倍。二、建立素材库,确定你的视频主题后,列出该处理下大部分观众想知道的问题, 然后直接问切的 gpd 要答案。只要是能给观众带来信息增量的回答,都是你的优质素材,他的回答要比你搜索来的更加口语化,容易理解。三、配乐搜索他,你的文案是什么情绪啊?有时 什么可以搭配的 bgm, 他会立刻给出十条参考建议。以上这些功能已经很不错了,但是我觉得他更有用的功能是,习稿,找出一条脚本发给界的 gbt, 并告诉他帮我换种方式描述以上的内容。他会立刻给你一条伪原创的脚本, 集合剪映的输入文字,一键生成视频的功能,那么一条质量中上等的视频就直接出来了,难以想象以后营销号的效率多么的高。总之,找到一个 ai 擅长的领域,用他的大数据搭配你的随机应变能力,确实是可以立刻创造出来价值的。那是不是第一桶金就来了?

亲爱的 g b t 可以给文字配音了,最近就是做视频的时候,在找一些文字转语音的工具, 然后发现拆的 gpt 有一个插件可以做到文字直接生成语音了。生成完之后呢,他会给你一个下载链接,点这个链接就能直接下载成 mp 三的文件,来看看效果。你好,欢迎来到我的频道。 如果你用不了拆了 gpd 的插件,还有一个免费的工具也蛮好用的,叫 tts maker, 同样输入需要转语音的文字,点击生成就可以了。

我已经光速加 type gpt 投入工作生产了,错的是太牛了,真的可用!落地案例一定要开。在这个物欲横流的社会,如果你不努力,你想要的谁也不会给,你 努力挣钱吧!这个时代没有错,错的是我们赚钱的进度永远赶不上花钱的速度! 在这个物欲横流的社会,如果你不努力,你想要的谁也不会给,你努力挣钱吧! 这个时代没有错,错的是我们赚钱的进度永远赶不上花钱的速度!在这个物欲横流的社会,如果你不努力, 你想要的谁也不会给你努力挣钱吧!这个时代没有错,错的是我们赚钱的进度永远赶不上花钱的速度!

你好,今天咱们来介绍 chat gbt 里面的 code interpreter, 我们来看看它是什么啊?这个首先呢,它是一个我最近看到给我提供的新功能,因为现在啊,它是在一个灰度当中, 说白了就是先给一部分用户来试用,哎,如果大家反响不错,并且也做了一定的改进,他就再继续的把这东西推而广之,给更多的用户。 那么我前两天看到,哎,这个出现了,叫做 code interpreter, 在这个我这个选单里面啊,现在好几个了,我看着很开心, 呃,还是 alpha 状态,就是一个最初的测试版本。那么我当时一看他啊, called interpreter, 我当时想到的是什么呢?我就犯了一个错误,我顾名思义或者叫望闻生意啊,是想到 这东西呢,既然是这么写,那一定是什么呢?他就是代码的解释啊,代码解释我用得着你吗?对吧?因为什么呢?拆 gbd 就能干啊,而且干的还不错。我这个代码让他给我看这里都每一句是做什么用的,他一般来讲给我们解释的也是非常靠谱, 所以我就没当回事啊,实际上大错特错,为什么?因为这个东西绝不是你放一段代码,他给你解释啊,然后给你返回这个解释结果,绝对不是啊,他是干什么的呢?他是这样,呃, 它是代码的执行器,就是它可以执行代码,以前呢,你用 check g b t 或者 g b t 四给你写了代码之后,哎,然后这个代码怎么用呢?你得把它拷贝到你的环境当中,对吧?现在不需要了啊,它 甚至允许你上传文件作为输入。大家都知道我们做很多的这个编程啊,都需要有输入的文件,输入的数据,对吧?他允许你上传文件作为输入, 然后啊就在自己的环境当中给你做这个代码的处理,不需要你把它拷贝到什么 viro studio 啊,猪比特 notebook 呀,或者是在线的运行环境当中去运行代码,看结果了, 直接都在这做了一站式的包圆完成啊,而且它不仅可以给你直接显示结果,包括结果的绘图,数字这些东西, 甚至他可以给你提供一个结果的下载链接,我输入一个文件处理完了,形成一个新的文件,这个文件他可以在这给我一链接,我一点就可以把它下载。哎呀,这个东西我当我明白是怎么回事的时候啊, 我这个大惊失色呀,其实就在人家这个你你选单的时候,人家边上给你解释啊,我连看都没看,哎,我觉得这就是一种无知吧,这个耽误我好几天来使用啊, 不过没关系,我把这个话告诉了你,哎,你就不会再因为这种错误的判断耽误时间了啊,那么下面我给你演示一下,有了这样的一个功能, 那你可以做什么啊?我们来看看。首先我们先找一个数据集,这数据集呢,我就不找那种太复杂的,我找了一个简单的,就是一个这个结构化的表格数据,这是我上课的时候用的啊,叫做 lonesdale csv, 在之前的文章当中我也介绍过他,不过那是好几年前的事了啊,我估计你可能都忘了。呃,简单来看一下,就是这里面呢,每页 行是一个记录,代表着一笔贷款,然后呢,这里面的每一列,哎,代表着相关的特征,你好比说从第一列是贷款的等级啊,然后呢,这里还有他是不是啊?拥有自己的房屋,你是房子是你自己的,你租的还是抵押贷款? 然后最后一列非常重要,他就是说这是一些历史数据吗?就是这笔贷款最后到底是不是 成功的收回,也就是他是不是安全,对于这个放款人来说,那么这里头,嗯,负一代表,哎,这笔贷款最后完了,这个收不回来了啊,这个就是一个,呃,不安全的,或者叫不良的贷款, 哎,如果是一,那就是最后,哎,连本带息都收回来,非常好啊,是这样的一个数据集,那下面我 我们就来把这个数据机放到 code interpreter 当中,看它的效果。呃,首先是上传,上传呢,在这个界面当中,你会看到一个很不起眼的啊,我这里给你加了一个红框,哎,让它醒目一点,实际上特别,呃,细小的一个上传的这样的一个按钮,你得按一下它, 这就可以上传文件了。上传之后他会进行分析,这是他给我分析的结果,对于每一列,他都给我讲这一列是干什么的啊,讲的是一清二楚。于是呢,我就点击这里面有一个收 work, 就是你看看他究竟在做什么, 哎,我一点我发现啊,他是怎么做到的呢?他的代码运行是这个样子,他这里头实际上是去读入相关的数据,并且他会看这个结果,因为他看这个结果,所以他大概能够判断 出这里面都有什么,他是通过这样的一些结果,然后把它反馈回你好了,有了这一步,下面我们开始输入提示语了。第一个,我觉着你跟我拿英文对话啊,很别扭,你给我拿中文说话,所以怎么办呢?我说请用中文翻译上面的内容, 并且对于专业术语加以简单明了的解释啊。我们来看看他的反馈结果,这里面把所有列的解释不仅给你翻译成了中文啊,而且如果你对比就会发现,这里头可循环信贷利用率这些 原先是没有具体解释的,而这里面会给你介绍他是一种什么样的信贷形式,然后反复借款和偿还都会给你列出来。哎,这个证明确实,他是按照我们的要求,遇到专业术语,那就给我们加以解释。 在最后他提出来,请告诉我,您希望用这些数据进行何种分析或任务。这时候你就可以要求他,好比你给我做一个什么样的分析,比如说某一个变量啊,你给我画一个他的统计图啊,看一下他的分布,这些都可以, 但是啊,但是那就没劲了嘛,对吧?这个每一步都需要我人工参与,为什么我还需要你这个 ai 呢? 所以我的办法是这样的啊,你自己,哎, ai 啊,你能否根据目前的数据集 思考他可以做哪些分析,请一步步思考,并且给我你有信心的答案啊。这个我这样要求完了以后,这是结果,他把可能分析的类型在这里给我们列出来。第一个可以做描述性的分析啊,这样就是一些基本的数量分布等等。第二 二步,做相关性分析,把一些变量之间的关联进行相关的总结。第三个他要构建预测模型,这里提到了决策术,随机,森林逻辑回归等等等等。而且还说啊,要分为训练级和测试级, 非常好啊,非常好。这个有时候我学员都记不住这事啊,他们直接训练级验证级啊,就上了啊,这个他知道哎,用 测试机来评估这个相关的性能,我觉得非常好。前三个都很好。第四个我觉得有点问题,因为他说的还是贷款是否安全的标签, 而且他说用分类算法预测是否安全,这里他说的虽然和前面使用的不一样,比如说这里提到了支持向量机, s v m 啊,朴素贝叶斯,但是,但是,虽然你用的这些 模型不一样,但你要做的事实际上是一样。所以我觉得在这里面四和三是重复了,但是咱们是拿 ai 当助手,又不是拿他当枪手,对吧?你,你写的不对我告诉你啊。第四就不用做了,咱们来把前三个做一做, 这里为了展示的方便呢,我一次只让他做一个,下面是给你看看啊,做的这个效果,迪士宇请先做。第一步就是描述性分析,然后呢,这是他给我的结果,非常快啊,非常快。然后在这里他告诉我多少条的记录 啊,最常见的等级,贷款等级,哎,平均来看有多少的贷款申请者被雇用不足一年,然后这个平均雇用年限啊,平均债务收入,哎,贷款的期限的最多的数量。然后呢,是哎,有没有重大 负面公开记录,所有这些东西咵一下就给你列出来哎,如果你感兴趣的话,还可以在这里点击首 work, 你看看他究竟是怎么给你做出来的啊,这里咱就不展示了,因为这比较简单,我们来做第二步。第二步是 我让你给我做相关性分析,你看看现在他做的结果啊,这里面 short emp 和 emp last number 之间存在负相关性,因为短期雇佣和雇佣年限是相反的概念,非常好 哎, d t i 和 real n t o 之间存在正相关性,债务收入比高的贷款申请者往往会使用这种相当于循环的这个信贷。 然后呢,哎,这我就不一一的给你念了啊。但是在这里说,哎, saflons 和以下的这几个变量呈现一定的互相关系啊,就是说那些,哎,债务收入比比较高, 然后呢,这些人可能你贷款给他就不是很安全,对吧,但是这里,尤其是我喜欢最后,这个 相关性不意味着因果非常好,非常好啊,这个,这个,我,我希望我的学生也能理解这一点,这些相关性的强度都不是很强,因此我们要考虑更多的变量交互和非线性关,非常棒啊,这个就属于知其然也要知其所以然,我觉得很好。 那么他执行的代码,我打开看了一看,实际上就是做了一个相关性的检验啊,如此而已,但是通过这些,他就可以给我们解读出很多有用、有趣有价值的内容。 那下一步提示于自然,就是让他给我做第三步了,预测模型。这里呢,为了让他能够做的更加谨慎,我说一步步思考与展示,你有信心的结果,你看看啊,哎,这是他 他的结果,这里面首先他要做数据预处理,然后选择模型,第三步训练,第四步评估。很好啊,那么他在这里面选择模型是直接的已经做出一个最终的选择,就是要做一个 啊,随机森林,因为他说他在各种问题上,我这里主要指的应该是这样的数据,规模不是很大,几万条实在算不上大数据啊,而且是结构化的,这样的表格数据确实随机森林一般表现出非常好的效果。 然后呢,他就开始陷入长考啊,其实这个不是一个思考的过程,是一个编程的过程啊,在这里他在编制程序,他编制程序是这个样子,就是真的是在对数据及进行处理,包括读者编码、冠、 hotting, coding 等等等等啊,我觉得以他做的严谨 啊,在我的这个积极学习课上啊,这是可以通过的啊,下面呢,他告诉我们说这些步骤,哎,预处理完成了,那么现在他把所有的这个分类变量啊,都已经做数值化的处理, 那么训练级有多少?测试级有多少?这个我们可以看到,基本上是按照四比一来划分的,然后随机森林模型 在下一步,这时候模型训练就都已经做完了,然后他说下一步我们要用测试机来评估性能,但是我不放心啊,我想看一看你这模型怎么训练的,对吧?我让他给我看一下, 其实就是哎 random forest classifier, 然后在这里来进行这个相关的训练处理,我觉得哎做的中规中矩也就没问题了,这是结果,结果都在这里给我们展示了出来,测试及 上的准确率百分之六十一点七,高不高?嗯,不高,确实不高,对吧?这个也就是说有接近百分之四十的可能性,预测会错误,但是他这里解读了,说比随机预测百分之五十要好一些,仍有提升空间。然后他告诉我几个可能的改进策略, 我看了一下啊,哎,其他模型对吧?呃,模型的参数,网格搜索,特征工程啊,很重要,对吧? 然后更多的数据,这个这就算了,因为我们现在就这点数据啊,哎。然后后面还有这,这句话我觉得写的非常好,不仅仅提高准确率,还要考虑解释性,哎。训练和预测的时间, 我觉得这个回答的从我做继续学习这门课的教师的角度来看啊,这个要是学生每次都能达成这样啊,我该多开心呢,对吧?那么下面我这个提示 你猜是什么?哎,是不是说我选定其中某一种方式,然后让他来照这个方向来做?答案是不是这样啊?既然你给我画了道,那我才不走呢,对吧?我让你来走,我说你能否实施改进策略啊, 并且在同样的测试机上进行测试,你看这句话是干什么?这句话是,既然你有提议好就由你来执行, 那么他给我直接的来说他要做什么?首先他使用梯度提升数模型啊,然后简单的超参数调优啊,把这个 nsd matters 这个参数 以三种不同曲值来进行测试。同时他告诉我们,如果是实际操作,我们应该考虑更复杂的策略,例如网格搜索,对吧?但是他说那花更多计算资源,说白了就是,哼,他不愿意 花那么多钱帮我干这事啊,这个计算资源就是钱呐,这,这个话没说错啊,所以他就开始来干了,这次他把原来的百分之六十一点七的准确率, 就是原始的随机森林模型,现在已经提升到了百分之六十四点九,不仅如此,还有给我提示啊, 哎,现在有一些改进,但是还有其他可能的改进策略,哎。另外就是要考虑相关的一些其他指标,特别是类别不平衡的情况下,要是只看准确率是不对, 我觉得说的非常好,非常好,好,那么这个演示给你做完了,我给你谈谈我的感受啊,我的感受是这样惊艳,真是惊艳的,因为以前啊,这个中间的搬运代码出了问题,再去找他,这,这太麻烦了,对吧?咱是懒人,就不乐意干这些麻。 但是现在这些都不用,你就跟他对话,你就给他布置任务,甚至你让他自己思考自己该做什么任务啊,让他给你干,并且,哎,分析得当,执行流畅,这,这是我给他的评语啊,我觉得这个非常好,那么我推想一下,这意味着什么?有了这样的功能, 现在很多小伙伴是什么呢?拿到数据对吧?这个数据显然是因为他要研究某一个题目,他搜集来的,拿到数据之后他不知道如何分析,哎,这也是前几年你会看到各个学科的人都跑去学拍嗓啊的原因,为什么?因为他们觉得学会了拍嗓或者学会了二啊, 这样就可以让他能够对手头那个数据能够进行合理的分析,并且得出正确的结果。以前呢,是坐拥一座金山,但是呢,他没 没法去把它用起来,哎,他们希望通过这种方式用起来,但是要在从前,你要想把它用起来,你可能得学一门课, 至少你也得买一本相关的书来看,对吧?但是现在你可以把这东西扔给 charge bt, 就是 code interpreter, 它的这样的一个功能,直接把你的数据扔给它,它的分析结果我搂着说啊, 超过入门水平就是你自己去学到入门,你不一定能做到这个程度,这是我给这个东西的评价, 我想给他证个明啊,这个东西我觉得与其强调他的作用方式就是我能在这执行代码,所以我叫 code interpreter, 我觉得呢,更好的一个方式是我强调你能做什么,你的能力,能力在哪?我认为它应该叫做 data analyzer 啊,当, 当然了,你说你这起的就非常的偏颇,对吧?他除了对于你这个种数据的分析啊,比如说这个描述统计,统计推断、构建模型这些东西还能干别的呢?没错没错,但是我觉得要是想把一个功能哎,让大家更快的熟知, 避免很多人拿到这个功能他都不想去用啊,例如我开始的这个错误的这个阶段啊,那么我觉得强调一下他的特色能力, 其实可能更有这样的传播的力度啊。这是我给 oppo ai 官方的一个小建议啊,不知道他们能不能看见,哈哈,好,那么临退出之前别忘了关注我的公众号,玉树之兰 b 站王淑怡老师,哎, 如果你觉得这则视频对你有帮助,欢迎点赞评论转发。我是王淑玉老师,我们下次见。

这是用另外一位星球粉丝提供的微调训练数据进行演示,他计划微调出按自己小红书写作风格持续弹出文字稿的模型,顺带帮他改改内容。可以看到,原始数据是一个 peg 数文件, open ai api 无法读取用于训练的, 里边有粉丝自己整理的过往文字版内容,有标题和文字部分,一行一行粘贴复制基本不可能, 真的不用花自己的时间去调。 gpt 训练数据级的内容格式分享,一周最多十分钟就调完上万条数据格式的方法, 我们分三步搞定,第一步,先把原始文件转换为 t s t 文本文件。第二步,让 check g b t 帮我们写个拍摄脚本,把里边的内容读出来,并创建一个 excel 格式的文件,将 标题内容放入 prompt, 将文字稿内容放入 completion, 复制胶本代码保存,执行胶本,读取上一步的 txt 文件内容。很快我们就得到了一个拆解好的训练数据集了。 第三步,用 openai mini 行数据转接工具来转换格式。这个指令之前视频有讲过,大家再去复习一下执行指令搞定了。 prompt 和 completion 都已经完美填充,直接可用于训练了,是不是很简单? 以上办法重要的是思路,大家都已经用上 chat jbt 了,那就多让他来提升大家的效率,大家训练其他开源模型也适用的。有执行力强的粉丝已经参照保姆教程完成了微调。 点个赞,对训练数据还有任何疑问,欢迎大家评论区或粉丝群留言,觉得有用记得点赞收藏。

大家好,今天给大家讲解一下,加 kip 自动回复抖音评论,我们先看一个场景,抖音评论往往需要博主自己进行手动回复来增加账户活跃,但是手动回复费时费力,通过此流程可以实现 当有人评论时自动提问叉叉屁,并将回答内容同步至评论。第一步,选择抖音,当指定视频有新增评论时,选择应用抖音 选择触发动作,当有新增评论时,保存下一步,选择一下自己的账户,没有账户的添加一下账户即可,然后保存下一步视频,这里需要选择具体的某一个视频 保存进入下一步,获取一下样本数据,如果这里没有评论的话,需要自己手动去填写一条评论,然后进行样本数据的获取。获取到 之后我们进入下一步,选择相对应的应用叉 t r p, 这里有两个叉 t r p 选择已经内置好的应用,免费使用的 open ai 叉 t r p 内置选择动作提问叉 t r p 保存,进入下一步自断匹配这里的问题需要将在第一步处发动作。抖音中获取到的自断内容,也就是评论的一个内容进行点击获取,然后保存进入下一步,点击发送数据,发送完数据之后点击继续添加步骤。 第三步,选择应用抖音选择执行动作是回复视频评论,可以看一下这里有两个账号,一个是企业号,一个是普通账号,这里需要自己选择一下,根据自己的账号属性去选择保存进入下一步,选择授权好的账 户保存进入下一步评论 id, 这里可以从抖音获取到的相关字段直接获取到对应的评论 id 回复内容指的是 check 刚才回复的内容需要在 check 字段中获取到, 点击下拉箭头再次点击,需要将这一个具体的自断值进行选择。视频 id 这里同样是从抖音获取到自断中去获取视频的 id, 所有都匹配号之后保存进入下一步,点击发送数据,完成并保存流程即可。这就是我们一个完整步骤了,谢谢观看。

你不会用 chat gpt 去提问啊,就会造成一个什么样的结果,就是 garbage in, garbage out。 所以呢,我们再去用 chat gbt 提问的时候,一定要把自己的这个小模型跟 gbt 这个大模型给它结合起来, 你才能让他爆发最大的威力。那我们在用 gbt 去提问的时候,要注意两个核心的原则,第一个呢就是要选好关键词,第二个呢是要注意给他限定好边界。 什么叫做关键词呢啊?有的人把它称作细胞词,有的人把它叫做种子词,其实都是一个意思,就是说你去提问的时候,到底要针对什么样的一个具体的概念或者现象去提问。 因为我们在学术上的很多的概念看着长得很像,但其实意思都不一样,比方说治理和管理,比方说教育和教养,那这 这些词的意思都有细微的差别。所以呢,我们一定要首先选好那个关键词的表述。第二呢就是我们的边界的问题,大家知道我们的社会科学呢,它是有差异性的,比方说中国和美国的情况不一样,中国内部城市和乡村的情况不一样, 不同的大学、公立院校和私立院校他们的之间的情况也不一样。所以我们在用 g b t 去提问的时候,我们就要限定好,到底你是在哪一个边界,是在哪一个界限里去讨论问题啊,我们把这两个东西都讨论清楚呢,我们才能给 g b t 划定一个 非常明确的问题的界限。大家可以想象,就像我们首先有一个圆,这个圆就是 gbt, 然后我们第一个限定的话,我们画一条线,再来一个限定就画两条线,再来一个限定就画三条线。 最后呢你会发现画了多条线之后,就会剩下一个一小块非常小的面积,而那个最小的那一小块面积呢,其实就是我们用它去提问想要达到的那个具体明确的一个结果。好,那下来我们会用叉、 g、 b、 t 来把上述 这两个啊非常重要的原则,我们用 gpt 来考一下,大家一起来看看效果吧。好,那我们以下呢用 gpt 来看一下怎么样理解这两条关键原则,刚才提到的一个就是关键词要精准。第二呢就是 我们要注意提问的边界的问题。先来看第一个假设,有一个研究者呢,他把家庭教养和家庭教育这两个词呢理解成同样一个意思,那如果说他选择了其中任意一个去做检索,或者让 gpt 当他帮他铲除内容的话,那可能会产生一些偏差。我们来看啊,我们先用这个 任务只给模型,就让他简单的推荐选题。表示请推荐关于家庭教养领域的十个论文选题,这个时候我们看到他推荐的十个选题当中,有的比较偏重教育的方面,对吧?有的比较偏重亲子关系, 所以我们其实从这个里边看,他其实理解成把家庭教养理解成家庭教育以及家庭养育这两个环节,而家庭教育呢,其实更多的就是讲这种知识的学习,对吧?技能的学习,而养呢,更多的其实指的就是情感角色的培养。 那我们再来看,如果你换一个,你说请推荐关于家庭教育领域的十个有选题。你把这个教养换成了教育,我们再看看他给的结果,我们看看这一版的结果当中,他给的更多的就开始偏重于像学习这部分啊,更多的是教育啊,语言这些东西都是教育的问题,所以我们 可以通过这样的一个细微的语词的差别就能够看到,我们再去选定关键词的时候,一定要高度的精确和凝练。大家呢要把这些关键词放到中文,中国的之网或者放到英文的啊,谷歌学术当中,其他的引擎当中呢?你去 检索一下,你看看这个关键词到底能够出来什么样的这个内容,对吧?有的可能确实最后被证明不是那个最最合适的那个关键词。好, 你看如果说我们把这个关键词换成再加一个关于家庭美学教育领域, 这个时候他出的十篇论文的这个推荐的卷题就完全会聚焦到家庭美学教育领域,所以我们可以看到,其实你关键词使用的精准度是能够影响你所要拿到的结果的。这个在大家进行卷题 的时候尤其重要,就是我不能把选题做的特别特别大,你那个关键词呢?越具体越好啊,因为当前其实我们整个的 研究领域,在任何一个细分研究领域都有非常丰富的研究,所以你的问题提的太大,你这个概念提的太大,最后呢,就是会让导师说你的选题过大这样一个问题,然后下来呢,我们再看啊, 加这个限定的问题,比方说我刚才提到的国别有限定,对吧?区域也有限定啊,不同的这个类型也有限定,比方说我们加上中国,我们分别看一下,如果你给他加上中国,加上美国,加上印度,他的结果会有什么不同? 我们说,请推荐关于中国家庭美学教育领域的十个论文的选题,你看关于中国的啊,中国的第一个中国传统美学教育,对吧?我们知道 我们中国非常讲究传统文化,这些年其实也有很多关于中国传统文化的这个研究,包括注重国学等等,对吧?啊?还有你看第二个,也是中国传统文化背景下, 包括与现代价值观啊,包括家家长如何正确看待审美啊,包括老年人与孩子共同参与的跨代家庭美学, 还有生态环境保护,家族文化,中国传统化,你没有看到,如果你给他添加到中国的时候,他这个算法立马就会跟中国的一些特有的要素相结合,像中国的传统文化,对吧? 中国的老年人,因为我们知道中国有很多老年人帮着带孩子,对不对?还有中国的家族文化,中国的生态环境保护等等,这些东西都是跟咱们中国的具体的国情相结合的,所以他的算法会有引导性,那我同样我把中国换成美国。请对这关于美国家庭美学教育领域的十个论 选题,你看看,美国的啊,他会讲美国的啊,历史现状,对吧?美国不同社会化背景,这不是不是,这是不是美国的一个特色?因为我们知道美国是个移民国家,对吧?所以他有多种文化啊,多种种子在美国来去生存, 还有像家庭美学教育的未来职业发展,我们知道美国是非常注重职业发展的,这样的一个教育的环境, 对吧?啊,积极参加文化艺术活动,包括社会公民意识、性别平等教育等等,所以我们看到美国的当中呢,给的结果就更加跟美国的这些历史文化的特色相结合。再看看印度啊,请推荐关于印度家庭美学教育领域的十个论文选题, 我们来看印度的。啊,印度传统美学,印度也有很多传统文化,对吧?啊,像这个青少年身心健康,包括未来职业的选择,印度 的文化,印度也有这种行为平等的问题,社会公民意识,印度同样也包括多元文化背景,对吧?所以你看在中国的这种选题当中,他就很少给你多元文化背景,因为我们是一个相对来说比较统一的这样的文化,但是印度也有多元文化,所以我们可以看到 你加了限定之后,他给的结果也会进一步的聚焦,或者进一步的呈现出来。不同的啊,不同的结果给我给到我们,所以呢,我们 从一开始呢,就要特别明确,我们使用什么样的精准的关键词,以及这个关键词是在什么样的语境,什么样的界限之下提出来的,只有这样我们才能够得到高质量的回答。好,那我们这一讲就到这里结束。

不是因为你的提问问的不好,是因为现在的给他喂的那个资料百分之九十五以上都是英文,所以他对于中文的训练可能就没有那么的强。 我们中国人用的这个东西呢,他是用的中文给他输入,不止用中文输入,他还会有自己的一大堆人工在那后面编辑说这个词,这个梗,这个意思对还是不对啊?不对的就给你取消掉了。所以 你用国产的 gpt, 你也是在帮他,你帮他为的数据更加优秀,以后他终有一天能够在中文这个领域能够超过他们的,没问题。对, 所以你现在先用这个昆仑万维的东西哦,百度的文心一言也可以用,但如果你能翻墙的话,或者你需要更多的英语史料的话,你还是可以用 chat g b d。 关于这块的文案,我建议你是这样,你第一步,你先用字节跳动的飞书, 他们的文案给录屏下下来以后用语音转文字,你可以把它转成文字。好,这第一步,第二步,你用这个 ai, 你就告诉他你是一个优秀的编辑,你现在需要把这一段话重新改写成为另外一段话,他就会帮你修改, 修改完了以后再根据你自己的语气和语调你,然后他再口语化一点,再生动一点,你的整个就能出来,出来了以后,然后你再装人虎,现在这个上下文的理解他是有限度的,你像拆 gpd, 他能理解的大概就是三千多个字, 你理解完了三千多个字以后,你再给他发消息,他就不记得上面的了,他的记忆只有三十二 k。 对,只有这么多,但是现在有做到一百 k 的十万字,能理解十万字的那是很牛的。但是我们普通人问的话,你就问一下,打一下,问, 答一下,基本上问题不大。你让他帮你翻译这些字啊、词啊,尤其是一些比如说外国博主,比如说我看日本合肥水事件,我想去听一下他那些外国博主或者 bbc 啊,什么他怎么样的。你把它录屏, 录屏下来以后你翻译翻译出来以后你再把它给改写一遍,或者你直接是让 gpd 帮你翻译成中文的演讲稿,翻译出来了以后你自己再改,这样的话效果就更方便, sop 做的也更足。

open ai 大事件, gpd 四的 ios 版上线了,这奥特曼啊,刚从听证会上说要加强对 gpd 四的监管,转手就给用户送了一个大礼。 我玩了一个小时啊,整体用下来的感受就是非常丝滑,第一次打开时, gp 会不停的跟你打招呼。苹果版和网页版的账号也是通用的,无需再注册。同样你可以选择三点五或者四点零的版本, 随便和他聊上几句。我的感受是,反馈效率要比网页版要快一些。这里最最最最重要的一点就是,苹果版和网页版的数据是互通的,你可以手机和电脑协同办公了,但目前的版本还没有上线联网和插件功能。 还有一个小细节就是你每次和他互动时,他会有一个小小的震动反馈来,使用起来还是很舒服的。聪明的 小脑瓜又说了,我能用网页版就行了,而且手机上也能开网页,没必要下载一个 app。 错,你知道苹果版 gpt 上线意味着什么吗?有人说将会有一大批用假 gp 割韭菜的,会死掉 格局再打开一些。你们都知道,网页版 gbt 开放了联网和插件功能,一旦手机端把这两个功能补齐,理论上讲,你可以不再需要任何其他 app 了。比如,你和你的女朋友去三亚,刚到三亚,突然女朋友说, 我想去淄博吃烧烤了,我不想在三亚玩了。完了,你傻了,之前定的所有行程全都白费了,你总不能掏出个电脑现场给他再整吧?这时候你只需要打开手机上的 gdp, 把女朋友的合理要求给到 gdp, gdp 总不会生气的吧。我一会儿一个包含机票、酒店、 饭店的新行程就定制好了,所以你明白了吗?未来那些订机票、订酒店、点外卖的 app 很有可能就会变成 gpt 的内置插件了。用不了 gpt 的小伙伴也不需要着急,我们这儿一定会跟上的,给大厂们一些时间,能够遇见。未来各个大厂会再次混战, 谁能率先把国产版的 gpt 加联网加插件这三级火箭搞定,谁未来就掌握了新的流量入口。所以你觉得哪家大厂会有机会呢?就这样,点赞关注不迷路,掌握一手学习,就看红绿的小酒馆哦,拜拜!

你有没有想过,为什么你使用叉击的时候,总感觉结果与其的差距巨大?心里明明装着答案的雏形,却总是在提问的方式上迷失自我?今天我们一起来揭秘构建精确提示词的核心方法,带你穿越这片迷雾, 让美味踹鸡的新手晋升为大师,能够轻松得到高质量答案。那题食的构成呢?就如同制作一顿美味佳肴的过程,任务就是主菜的选择,是牛排还是意面。背景信息就是调味,你希望辣一点还是甜。 数据详情就是烹饪的细节,比如牛排的熟度,配菜的选择等等。结果的格式就是菜肴的呈现方式,就像精美的摆盘和装饰。每一次与 thb 的互动啊,就像是一次创造美味的艺术之旅。每个步骤啊,都必须精心计划和执行, 过程中啊,还需要不断的品尝来调整,通过反馈的信息调优整个菜品的生产过程,最终呢,才能确保大餐的完美呈现。对应的信息如下,看似平淡无奇,实则包含 无穷的智慧。比如我需要一个发布会的演讲稿,那这样提问呢,即可以获得一个高质量的发布会演讲稿。再比如,制定远程团队的协作沟通指南,按照同样的结构提问,这样叉 gb 啊,就会针对于每个人的情况给出精准的答案。 为了让大家更好的理解这种方式呢,我整理了一份 check 的使用宝典,可以帮助大家从入门到精通。感兴趣的朋友评论区来找答案。

好,我们接着来关于打造特定领域的 check g b t。 上几个视频提到两个方法,微调 fire tuning 和封装了 imbedding 的 g p t index。 现在我们来对比一下两个方法的优劣。首先,微调 fi q, 你的底层逻辑是,他在原来的模型上通过你输入了一堆例子, 训练了一个新的模型。相对于他原来的模型而言,你新输入的数据少的可怜,所以 g p t 并没有学到更多新的知识。一般而言,你只能用它来调整 g p t 的输出格式啊, 样式啊,或者做一些分类等等。而且啊,当你有了新的数据想输入的时候,你还得重新训练他,费时费钱。至于 in bed 呢,其实 相当于你首先建立了一个非常聪明的数据库,提问的时候马上到数据库里找到相关的资料片段,然后和问题一起提交给 gpt。 注意哈, in bed 点并没有训练新的模型,所以当你有新的数据的时候,你直接插入到数据库中就可以了,而且 gpt 能根据你提供的资料片段和问题给出比较准确的答案。 有,好了,有了这个 overview, 你再去看看细节,相信你能够迅速判断如何使用 gbt api 打造特定领域的 check gbt。

今天我们帮你把 gpt 接入微信,并跟你一起学习,越学越聪明,以后微信上遇到的任何文章,只要发给 ai, 他都可以帮你记住, 提炼文章的知识点。当你询问的时候给你建议,如果你正好是 iphone 用户,看完这个视频,你将拥有战胜百分之九十人的第二大脑。这个微信加 ai 的黑科技允许你把微信文章直接转发给 ai, 并让他记住和学习。怎么做到的呢?手把手教给你。 找到十六 ai 的功号,点击加号,点击个人名片,发送任意名片给十六 ai, 你就激活了十六 ai 的转发功能。以后看到的任何一篇文章,只需要点击右上角三个点,就可以看到 ai 已经出现在转发名单,选择并转发 ai 就可以学习。 介绍一下十六章 ai, 当你需要询问他的时候,只需要语音或者文字在公号留言,就可以获得十六 ai 基于已经学习的知识给你的回答。这么屌的 ai 工具,赶快点着收藏,用 ai 把自己武装起来!