반응형
반응형
본문 바로가기

인공지능9

GPT5 출시일 공개, GPT5 가격, GPT5 성능, GPT5란 (2025년 상반기 공개 예정) GPT5 출시일 공개, GPT5 가격, GPT5 성능, GPT5란 (GPT-5은 2025년 상반기 공개 예정입니다) GPT5의 출시일이 대략적으로 공개되었습니다. OpenAI CEO 샘 알트먼은 공개된 자리에서 GPT 5는 곧 출시될 것이다. 지금 GPT 5는 학습중이다. 라고 말했습니다.그리고 샘 알트먼은 GPT 5의 성능에 대해서 GPT 4가 쓰레기 처럼 느껴질 수도 있을 정도의 성능을 자랑할 것이다 라고 했는데요. GPT 5는 도대체 언제 출시되며 얼마나 성능이 뛰어날지 많은 사람들의 궁금증을 사고 있습니다. GPT 5 출시일은 2024년 12월 혹은 2025년 5월이 될 예정입니다. GPT-5의 정확한 출시일은 아직 공식적으로 발표되지 않았습니다. 다만, 여러 매체에서 GPT-5 출시와 관련된 다.. 2024. 7. 29.
GPT 4o 제대로 활용하는 방법 (브라우징, 확장자 변경, 코딩, 데이터 분석, 이미지 생성, 실시간 통역, 수학 문제 풀이 등) GPT 4o 제대로 활용하는 방법 (브라우징, 확장자 변경, 코딩, 데이터 분석, 이미지 생성, 실시간 통역, 수학 문제 풀이 등) 안녕하세요 GPT 4o (Open AI)을 제대로 활용하는 방법에 대해서 같이 알아보고자 합니다. 인공지능은 시간이 흐를수록 점점 더 많은 일들을 해낼 수 있게 되는데요. GPT-4o는 OpenAI에서 개발한 최신 인공지능 모델로, 텍스트, 음성, 이미지 처리 등 다양한 멀티모달 기능을 지원합니다. 이 블로그 글에서는 GPT-4o를 효과적으로 사용하는 방법에 대해 자세히 설명하고자 합니다. 1. 브라우징 기능 활용하기GPT-4o는 인터넷 검색 기능을 내장하여 사용자가 정보를 실시간으로 검색하고 분석할 수 있게 해줍니다. 이를 통해 최신 뉴스, 기술 문서, 학술 자료 등 다양.. 2024. 6. 1.
GPT 4o vs GPT 4 무엇이 더 낫나요? (비용, 가격, 속도, 퍼포먼스, 텍스트 성능, 코드 성능, 이미지 성능 등) GPT 4o vs GPT 4 무엇이 더 낫나요? (비용, 가격, 속도, 퍼포먼스, 텍스트 성능, 코드 성능, 이미지 성능 등)GPT 4o 현재 사용할 수 있는 기능GPT 4o의 비전 기능 (vision capabilities)는 아직 출시되지 않았습니다. OpenAI가 유튜브에 업로드한 GPT 4o 데모 영상을 보면 비전 기능들이 잘 나와있지만 아직 실제로 릴리즈하지 않은 것으로 보입니다.현재로서는 이미지 업로드, 대화 기능, 파일 업로드 기능만 사용 가능합니다. GPT 4o 가격 | GPT 4o 비용GPT 4o는 현재 부분 무료입니다. 하루에 GPT 4o에 텍스트 질문할 수 있는 회수는 5회로 제한되어 있습니다. GPT 4o에 이미지 업로드할 수 있는 회수는 3회입니다. 제한된 숫자를 초과하여 질문하고.. 2024. 5. 18.
블로그 댓글 개수 예측하기(using Random Forest) 블로그 댓글 개수 예측하기(using Random Forest) Blog Feedback Prediction 데이터 셋 출처 : https://archive.ics.uci.edu/ml/datasets/BlogFeedback 1. project description (프로젝트 개요) - problem statement 문제정의 : 지난 72시간 동안 올라온 블로그 글을 분석하여 24시간 이후 블로그에 달릴 댓글의 개수를 예측합니다. - motivation : 블로그 포스트를 이용하여 소셜 미디어 마케팅을 위한 가능한 인사이트를 얻는다. - method : 선형 회귀와 앙상블 학습 모델을 이용하여 블로그에 달릴 댓글의 개수를 예측합니다. 그리고 모델들의 효율을 R2와 평균 제곱오차 (MSE; mean squ.. 2021. 1. 13.
클린코드 (Clean Code) 3장 (함수) 독후감 클린코드 3장 독후감 Chapter 3. 함수 3.1 작게 만들어라 - 함수를 만드는 첫 번째 규칙은 작게 만드는 것이고, 두 번째 규칙은 더 작게 만드는 것이다. 3.2 한 가지만 해라 - 함수는 한 가지만 해야 한다. 3.3 함수 당 추상화 수준은 하나로 - 함수가 한 가지 작업만 하려면 함수 내 모든 문장이 동일한 추상화 수준에 있어야 한다. '위에서 아래로 코드 읽기: 내려가기 규칙'을 지켜야 한다. 3.4 Switch 문 3.5 서술적인 이름을 사용하라 - 함수의 이름이 서술적이고 긴 것이 무식하게 짧은 것보다 좋다. 함수 이름을 짓는 데에 시간을 들여도 좋다. 3.6 함수 인수 - 함수에서 가장 이상적인 인수 개수는 0개이다. 한 함수에 인수 4개 이상은 필요 없다. 3.7 부수 효과를 일으키.. 2020. 12. 28.
파킨스 텔레모니터링 데이터 셋 분석과 모델 훈련 (feat. 랜덤 포레스트) 파킨스 텔레모니터링 데이터 셋 분석 (Parkins Telemonitoring Data Set Analysis and Model Training) 데이터 셋 (Data Set) 목표 : predict the values for motor_UPDRS and total_UPDRS 데이터 셋은 옥스포드 대학의 Athanasios Tsanas와 Max Little이 음성 신호를 녹음하기 위해 원격 모니터링 장치를 개발한 미국 및 인텔의 10개 의료 센터와 협력하여 만들었습니다. 원래 연구는 UPDRS 임상의사의 파킨슨병 증상 점수를 예측하기 위해 다양한 선형 및 비선형 회귀 방법을 사용했다. 출처 : archive.ics.uci.edu/ml/datasets/Parkinsons+Telemonitoring 데이터 .. 2020. 12. 23.
BlogFeedback 피쳐셀렉션 (Feature Selection) (feat. Lasso, Ridge) BlogFeedback 피쳐셀렉션 (Feature Selection) (feat. Lasso, Ridge) 데이터 셋 (Data Set) 출처 (Source) : archive.ics.uci.edu/ml/datasets/BlogFeedback 열이 218개가 있을 정도로 아주 큰 데이터입니다. 데이터를 이루는 각 열의 attribute를 확인하겠습니다. 열이 281개로 이렇게 많은 데이터 셋은 다뤄본 적이 없는데 처음에 많이 당황했습니다. 그래도 각 열에 대한 설명이 있기 때문에 다행이네요. 이렇게 열이 많이 있을 때 어떤 columns를 이용해서 마지막 열인 댓글 수를 예측해야 할 지 모릅니다. 그러므로, 우리는 마지막 열과 상관관계가 높은 열들만 골라서 예측을 진행해볼 것입니다. 그리고 우리는 이것을.. 2020. 12. 21.
QSAR Aquatic Toxicity LC50 예측 (feat. TPOT) QSAR Aquatic Toxicity 순서 1. 데이터 셋 설명 2. 브루트 포스 접근 3. TPOT (Tree-based Pipeline Optimization Tool) 데이터 셋 데이터 셋 다운로드 링크 : https://archive.ics.uci.edu/ml/machine-learning-databases/00505/ 2019년 09월 23일에 UCI Machine Learning Repository에 등록된 나름 최근에 등록된 데이터 셋입니다. 밀라노에 위치한 대학 QSAR 연구 그룹에서 제작된 데이터 셋입니다. 데이터 셋 정보를 보겠습니다. 데이터 셋 정보를 읽어보면 이 데이터 셋은 Daphnia Magna에 대한 acute toxicity (급성 수생 독성)을 예측하기 위해 908개 화학.. 2020. 12. 20.
ML/DL for Everyone with PyTorch (Sung Kim) #01 ML/DL for Everyone with PyTorch (Sung Kim) - Overview www.youtube.com/watch?v=SKq-pmkekTk&list=PLlMkM4tgfjnJ3I-dbhO9JTw7gNty6o_2m&ab_channel=SungKim Code: https://github.com/hunkim/PyTorchZero... Slides: http://bit.ly/PyTorchZeroAll Videos: http://bit.ly/PyTorchVideo hunkim.github.io/ml/ 모두를 위한 머신러닝/딥러닝 강의 hunkim.github.io 2020. 12. 13.

반응형