yoshiyuki saito

お金のデータを扱う某アプリの会社でデータ利活用を考えています。 AI,BlockCha…

yoshiyuki saito

お金のデータを扱う某アプリの会社でデータ利活用を考えています。 AI,BlockChainが大好き。 趣味は晴れたら釣り、雨が降ったらコーディング。 出身は温泉県。

記事一覧

MacローカルでPython(LangChain)を利用してllama2を試す方法

詳細はLangChainの説明がありますが、結局どうするのって方向けの記事です。 Mac book pro M1でテストしてます。 buildに必要なものをインストール環境によって違うと思…

yoshiyuki saito
9か月前
1

Macでllama2を最速で試す方法

llama.cppをビルドして、モデルをダウンロードしてコマンドラインで動かすまでの私的に最速の手順です。 (テスト環境:Mac book pro M1) llama.cppをビルドする# リポジ…

yoshiyuki saito
9か月前
3

ChatGPTで実現するデータ分析の世界:バイバイSQL(LangChain SQL Database Agent)

データアナリストやデータマネジメントなどの職業が、ChatGPTをはじめとするLLMの出現によってなくなると言われています。私もデータに深くかかわる仕事をしているので、少…

9

MRKL(Multi-Round Knowledge Loop)システムの実現方法理解し、ChatGPTを自社のためにカスタマイズする方法とは(第二回)

はじめに前回は理論を中心に説明しましたので、いよいよ今回は実装編ということで、実際に動かして確認して見ましょう。 今回は、特にスクラッチで実装はせずにあらかじめL…

13

MRKL(Multi-Round Knowledge Loop)システムの実現方法理解し、ChatGPTを自社のためにカスタマイズする方法とは(第一回:理論編)

驚きとともにLangChainのプロジェクトを見つけ、チュートリアルでコードを打ち込んでみて大変驚いたのがMRKL(Multi-Round Knowledge Loop)システムの仕組みでした。こん…

17

ChatGPTのfine-tuningをpythonでやってみた

はじめに今話題のchatGPTをビジネスで使用するために、何をするべきか考えています。その中で、ある程度答えが決まっている業務で使えそうなfine-tuningのやりかたとその効…

45
MacローカルでPython(LangChain)を利用してllama2を試す方法

MacローカルでPython(LangChain)を利用してllama2を試す方法

詳細はLangChainの説明がありますが、結局どうするのって方向けの記事です。

Mac book pro M1でテストしてます。

buildに必要なものをインストール環境によって違うと思いますが、引っ掛かりそうなものを以下に記載してます。

brew install cmakepip install scikit-buildpip install langchain

llama-cpp-p

もっとみる
Macでllama2を最速で試す方法

Macでllama2を最速で試す方法

llama.cppをビルドして、モデルをダウンロードしてコマンドラインで動かすまでの私的に最速の手順です。
(テスト環境:Mac book pro M1)

llama.cppをビルドする# リポジトリからソースをダウンロードしますgit clone https://github.com/ggerganov/llama.cpp.git# ディレクトリに移動しますcd llama.cpp # ソース

もっとみる
ChatGPTで実現するデータ分析の世界:バイバイSQL(LangChain SQL Database Agent)

ChatGPTで実現するデータ分析の世界:バイバイSQL(LangChain SQL Database Agent)

データアナリストやデータマネジメントなどの職業が、ChatGPTをはじめとするLLMの出現によってなくなると言われています。私もデータに深くかかわる仕事をしているので、少し気になりますね。

自分のポジショントーク的にはいやいや~無理でしょて気持ちにはなるのですが、少し調べてみました。

今回は、ChatGPTを活用してテーブル作成やデータ抽出をやってみます。やってみたら、SQLがいらなくなる可能

もっとみる
MRKL(Multi-Round Knowledge Loop)システムの実現方法理解し、ChatGPTを自社のためにカスタマイズする方法とは(第二回)

MRKL(Multi-Round Knowledge Loop)システムの実現方法理解し、ChatGPTを自社のためにカスタマイズする方法とは(第二回)

はじめに前回は理論を中心に説明しましたので、いよいよ今回は実装編ということで、実際に動かして確認して見ましょう。
今回は、特にスクラッチで実装はせずにあらかじめLangChainに用意されているものだけで、実装を行います。

準備編pip install

pip install langchain==0.0.138pip install OpenAIpip install load_dotenv

もっとみる
MRKL(Multi-Round Knowledge Loop)システムの実現方法理解し、ChatGPTを自社のためにカスタマイズする方法とは(第一回:理論編)

MRKL(Multi-Round Knowledge Loop)システムの実現方法理解し、ChatGPTを自社のためにカスタマイズする方法とは(第一回:理論編)


驚きとともにLangChainのプロジェクトを見つけ、チュートリアルでコードを打ち込んでみて大変驚いたのがMRKL(Multi-Round Knowledge Loop)システムの仕組みでした。こんな問いにChatGPTが答えることができます。

現在の日本の首相の年齢から現在のフランスの首相の年齢を引いたらいくつですか?

(答えは章末にあります)

ChatGPTがビジネスで使いづらい点は、

もっとみる
ChatGPTのfine-tuningをpythonでやってみた

ChatGPTのfine-tuningをpythonでやってみた

はじめに今話題のchatGPTをビジネスで使用するために、何をするべきか考えています。その中で、ある程度答えが決まっている業務で使えそうなfine-tuningのやりかたとその効果について考察しました。
chatGPT pluginsがリリースされたことで、fine-tuning自体を選択肢とすべきかは検討したほうがいいと思います。

fine-tuning(ファインチューニング)とは、機械学習モ

もっとみる