検索対象

並び順

ブックマーク数

期間指定

  • から
  • まで

1 - 8 件 / 8件

新着順 人気順

"few-shot learning"の検索結果1 - 8 件 / 8件

タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。

"few-shot learning"に関するエントリは8件あります。 機械学習、 development、 HotEntry などが関連タグです。 人気エントリには 『例示で精度を高める「Few-shot Learning」、思考の連鎖「Chain of Thought」…　新しいパラダイム「プロンプトエンジニアリング」に対するアイデア』などがあります。

"few-shot learning"の関連エントリー

  • 例示で精度を高める「Few-shot Learning」、思考の連鎖「Chain of Thought」…　新しいパラダイム「プロンプトエンジニアリング」に対するアイデア

    ユーザーの立場ではAIネイティブな働き方が身近に迫っており、データサイエンティストやMLエンジニアにとってはGPTを活用した開発を意識する必要が出てくる中、マイクロソフトの取り組みやML開発のパラダイムシフトをご紹介する「ChatGPTによって描かれる未来とAI開発の変遷」。ここで日本マイクロソフト株式会社の蒲生氏が登壇。続いて、ML開発において、“学習させたかのように振る舞わせる”ためのアイデアを紹介します。前回はこちらから。 これまでのML開発は「学習」部分の工夫が肝だった 蒲生弘郷氏：残り20分になりましたが、ちょっとここからは重い、GPT開発についてです。「ML開発の今まで」。「GPTはすごいしAzureの説明はわかったよ」という話になるんですが、実際にどう作ればいいのか知っていかないとなかなか厳しいところもあるので、ここの説明をしたいと思います。 ここから先はけっこう専門的な内容

      例示で精度を高める「Few-shot Learning」、思考の連鎖「Chain of Thought」…　新しいパラダイム「プロンプトエンジニアリング」に対するアイデア

    • ChatGPT の基礎技術！GPT-3 と Few-shot learning

      ChatGPT ChatGPT は OpenAI が作成したチャットボットです。何か話しかけると、次の例のように雑談相手になってくれます。 ChatGPTと雑談 ChatGPT が注目されているのは、その守備範囲の広さゆえです。問いかけの仕方次第で、翻訳・プログラミング・文書校正など広範なタスクをこなすことができます。個人的には、自分の書いているプログラムがうまく動かない時によく助けてもらっています。 CharGPTでデバッグ また、文脈を考慮した推論（ざっくり言えば「空気を読む」こと）は自然言語処理システムにとって難易度が高い分野とされています。試しに次のように尋ねてみました。ChatGPT からの返答はとても自然なものに思えます。 ChatGPTで文脈理解 ここでの例に限らず、ChatGPT は極めて多様に活用できるでしょう。また、ChatGPT の API が公開されたことで、

      • Few-shot Learning（フューショット学習）とは？

        用語「フューショット学習」について説明。ChatGPTなどの言語モデルが少数の例文から効率的に学習し、多様なタスクを解決できることを指す。大量データが必要な一般的な機械学習や既存モデルの再学習（ファインチューニング）と比べ手軽。また、コンピュータビジョンなど他の機械学習分野でも、少量データから学習する同じ用語が使用されている。 連載目次 用語解説 自然言語処理においてフューショット学習（Few-shot Learning）とは、ファインチューニングなどによる言語モデルのパラメーター（＝ニューラルネットワークの重みなど）のアップデートなしに、少数の例文（Examples、見本：Examplars）を文脈（コンテキスト）内でデモンストレーションとして提示するだけで、さまざまなタスクを解決できる能力を持つことである。2022年末以降で話題となっているChatGPTやGoogle Bardなどに搭

          Few-shot Learning（フューショット学習）とは？

        • Few-shot Learningとは何なのか【Generalizing from a few examples: A survey on few-shot learning】 - Qiita

          Table 1と比較して、Table 2では、事前知識と書かれた欄が追加されている。Eには、Tに直接関連する教師あり情報を持ついくつかのサンプルしか含まれていないので、一般的な教師あり学習アプローチがFSL問題でしばしば失敗するのは当然のことである。したがって、FSL法は、Eの利用可能な教師情報を、「学習者が例を見る前に未知の関数について持っている情報」である事前知識と組み合わせることで、目標Tの学習を可能にする [86] 。 FSLの利点は以下のようにまとめられる。 人間のように学習するためのテストベッドとしての役割 レアケースのための学習 データ収集の労力と計算コストの削減 ※ Eに教師あり情報を持つ例が1つしかない場合、FSLはOne-shot learningと呼ばれる [14, 35, 138] 。Eが対象Tに対して教師あり情報を持つサンプルを含まない場合、 FSLはZero-s

            Few-shot Learningとは何なのか【Generalizing from a few examples: A survey on few-shot learning】 - Qiita

            • "few-shot learning"の関連エントリー

          • SetFit: Efficient Few-Shot Learning Without Prompts

            SetFit is significantly more sample efficient and robust to noise than standard fine-tuning. Few-shot learning with pretrained language models has emerged as a promising solution to every data scientist's nightmare: dealing with data that has few to no labels 😱. Together with our research partners at Intel Labs and the UKP Lab, Hugging Face is excited to introduce SetFit: an efficient framework f

              SetFit: Efficient Few-Shot Learning Without Prompts

            • Github Copilot Chat にて生成される SQL 文を Few-shot learning により改善する方法 - Qiita

              Github Copilot Chat にて生成される SQL 文を Few-shot learning により改善する方法GitHubSQLDatabricksgithubcopilotChatGPT 概要 Github Copilot Chat にて SQL 文（CREATE TABLE 文）を Few-shot learning により改善できたため、実施内容を共有します。データストアに最適化した SQL を生成するプロンプトに関する記事があまり見つけられなかったため、参考にしていただければ幸いです。 想定実行対象のデータストアは、Databricks(Spark) であり、Spark に関する情報を学習していないようで、想定通りの CREATE TABLE 文を生成できませんでした。 Create a new table with the following conditions:

                Github Copilot Chat にて生成される SQL 文を Few-shot learning により改善する方法 - Qiita

              • Few-shot Learning : 少ない画像データで学習する【前編】

                GMOグローバルサイン・ホールディングスCTO室の@zulfazlihussinです。 私はhakaru.aiの開発チームのAI開発を担当しております。この記事では、機械学習を使って少ない画像データでも効率的に学習することができるFew-shot Learning手法について述べます。また、複数の情報源（画像⇆テキスト）からZero-shot学習について、興味がある方は、こちらの記事をお読みいただければと思います。 背景 画像解析の分野で一番有名な出来事として、画像認識の精度を争う競技大会、ImageNet Larger Scale Visual Recognition Challenge（ILSVRC）の2012年の大会があります。この大会では、 初めて深層学習を使った機械学習モデルが、他のチームが採用したモデルに10%以上の差をつけて優勝しました。このイベント以来、深層学習を使った画像

                  Few-shot Learning : 少ない画像データで学習する【前編】

                • How To Use GPT-3, GPT-4, ChatGPT, GPT-J, And Other Generative Models, With Few-Shot Learning

                  How To Use GPT-3, GPT-4, ChatGPT, GPT-J, And Other Generative Models, With Few-Shot Learning June 13, 2023 GPT-3, GPT-4, ChatGPT, GPT-J, and generative models in general, are very powerful AI models. We're showing you here how to effectively use these models thanks to few-shot learning, also known as prompt engineering. Few-shot learning is like training/fine-tuning an AI model, by simply giving a

                    How To Use GPT-3, GPT-4, ChatGPT, GPT-J, And Other Generative Models, With Few-Shot Learning
                  1

                  新着記事

                  はてなブックマーク

                  公式Twitter

                  はてなのサービス

                  • App Storeからダウンロード
                  • Google Playで手に入れよう
                  Copyright © 2005-2024 Hatena. All Rights Reserved.