ChatGPT는 최대 99.7%의 정확도로 AI 패키지를 작성하고 7개의 대화에 대한 인식 모델을 작성하는 방법을 가르쳐줍니다.

이제 AI 초보자는 튜토리얼을 읽을 필요도 없이 ChatGPT만 사용하여 모델을 만들 수 있습니다.

데이터 세트를 찾고, 모델을 훈련하고, 코드를 작성하는 데 도움이 될 뿐만 아니라, 한 단계로 정확성을 평가하고 프로그램을 생성할 수도 있습니다.

ChatGPT에 최대 99.7%의 최종 정확도를 갖춘 지리적 위치 인식 프로그램을 만들 수 있도록 도와달라고 요청한 25세 남자가 있습니다.

작업하는 동안 배울 수 있도록 모든 세부 사항과 단계가 나와 있습니다.

이번 웨이브는 ChatGPT에 감동받았습니다.

더욱 세심한 점은 모든 질문과 답변 후에 ChatGPT가 다음과 같이 말할 것이라는 점입니다. 질문이 있으면 알려주십시오.

콘크리트 구현

프로젝트 초반에 이 사람은 다음과 같이 분명히 밝혔습니다. 저는 더 이상 열심히 일하고 싶지 않습니다. AI 프로그램 만드는 것을 도와주실 수 있나요?

두 개의 좌표를 입력으로 받아 어느 국가에 있는지 예측해 보세요.

그리고 ChatGPT는 "기꺼이" 도전을 받아들이고 해당 데이터 세트가 필요하다는 점을 그 사람에게 상기시켰습니다. 그렇지 않으면 모델을 훈련할 수 없습니다. 그리고 정보도 있으면 더 좋을 것 같아요.

먼저, 적합한 데이터 세트를 찾아야 합니다.

동생이 ChatGPT에 다시 물어보니 소개 링크를 포함해 아무 말도 하지 않고 선택할 수 있는 세 가지 옵션을 버린 것으로 나타났습니다.

세 개의 데이터 세트 중 자연 지구 데이터 세트가 확실히 더 좋고, "경계", 해안선 및 기타 정보도 포함합니다. 이는 "경계"의 개념을 모델에 설명하고 분리해야 함을 의미합니다. 라벨. 하지만 초보자로서 첫 번째 데이터 세트는 작업과 관련된 데이터가 더 많고 모델을 구현하기가 더 쉽습니다. 저자는 마침내 첫 번째 데이터 세트를 선택했습니다.

ChatGPT에게 이 결정을 알려준 후 DataFrame(데이터 프레임)을 만드는 방법을 가르쳐주고 샘플 코드를 제공합니다.

성공적인 실행 후에는 두 번째 단계인 모델 훈련에 들어갑니다. ChatGPT도 말 한마디 없이 코드를 주고, 자세한 설명까지 첨부했습니다.

이 코드는 k-NN 알고리즘을 사용하여 주어진 좌표를 기반으로 국가를 예측합니다. KNN 알고리즘은 k개의 최근접 이웃의 다수 클래스를 기반으로 입력을 분류하는 간단한 알고리즘입니다.

이 예에서는 데이터가 80-20의 비율로 훈련 세트와 테스트 세트로 분할됩니다. 그런 다음 KNN 분류기는 훈련 세트를 사용하여 훈련되고, 모델의 정확도는 테스트 세트를 사용하여 테스트됩니다.

단순한 예시이므로 모델의 정확도가 높지 않을 수 있다는 점 참고해주세요. 모델의 정확도를 향상시킬 수 있는지 확인하기 위해 다양한 알고리즘과 다양한 k 값을 실험해 볼 수 있습니다.

일부 빈 데이터(좌표가 없는 국가)를 삭제한 후 k-NN 학습의 첫 번째 실행이 성공적이었습니다. 그리고 정확도는 99.7%입니다.

그러나 이 결과는 그다지 만족스럽지 않습니다. 저자는 다음과 같은 이유를 들었습니다. 서로 다른 국가 간에 데이터가 고르지 않게 분포되어 있으며 일부 데이터 오류 및 기타 문제가 있습니다.

이것은 세 번째 단계인 재평가로 이어집니다.

이 코드에서는 OpenCage Geocoding API를 사용하여 좌표에서 국가 정보를 가져옵니다. API에 액세스하려면 YORBAPI_KEY를 API 키로 바꿔야 합니다. OpenCage 웹사이트에서 무료 API 키를 등록할 수 있습니다.

지침에 따라 작성자가 코드를 수정했는데, 그 결과 NA 오류가 많이 발생하여 남은 데이터의 30%에 해당하는 것으로 나타났습니다. 그러나 지구는 실제로 대부분이 물로 이루어져 있습니다. (아무 문제 없어요, Doge)

최종 모델의 정확도는 98.6%로 조금 떨어졌지만, 결국 저자는 단 7번의 대화만으로 AI 모델을 만드는 데 도움을 주었습니다.

다른 알고리즘도 시도해 봤습니다

하지만 이번이 첫 번째 시도는 아닙니다. 첫 번째 대화에서 그는 더 많은 데이터 세트 수정이 필요한 동일한 소스의 더 작은 데이터 세트를 사용했으며 ChatGPT에서 제공한 첫 번째 모델 훈련 코드는 정확도가 51%에 불과한 로지스틱 회귀였습니다.

그런 다음 다양한 "솔버"(정확도는 약 65%)와 Random Forest 및 k-NN을 포함한 다른 알고리즘을 시도했으며 정확도는 각각 93%와 92%였습니다.

이 25세 남성은 SentinelOne에서 수석 보안 연구원으로 일하고 있으며 악성 코드 탐지 로직을 연구 및 개발하고 있습니다.

머신러닝에 관심이 많아서 독학을 시작하고 어느 정도 기초를 다진 그는 이번 대화에서 실제로 초보자로서 ChatGPT와 대화를 나눴고 강력한 효과에 놀랐습니다.

마지막으로 그는 ChatGPT를 "그것" 대신 "그들"로 부르는 것을 정말로 고려하고 있다고 말했습니다.

그러므로 AI 초보자 여러분, 빨리 ChatGPT를 사용해 보세요. (Doge)

전체 대화: https://sharegpt.com/c/7zLivmp

참조 링크: https://xrl1.sh/posts/coordinates-model-with-ChatGPT/

위 내용은 ChatGPT는 최대 99.7%의 정확도로 AI 패키지를 작성하고 7개의 대화에 대한 인식 모델을 작성하는 방법을 가르쳐줍니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!