[Hacker News discussion, LinkedIn discussion, Twitter thread] A question that I’ve been asked a lot recently is how large language models (LLMs) will change machine learning workflows. After working with several companies who are working with LLM applications and personally going down a rabbit hole building my applications, I realized two things: It’s easy to make something cool with LLMs, but ver
プロシェアリングコンサルティング > マガジン > 働き方改革・テレワーク > 【イベントレポート】エンジニア組織の作り方 ―LIFULLに学ぶ、内製型エンジニア組織を成長させる3つのポイント― 23,000名(※2023年10月末時点)のプロの経験・知見を複数の企業でシェアし、経営課題を解決するプロシェアリングサービスを運営する当社では、毎月10回程度のウェビナーを開催しております。 2021/11/4回では、エンジニアの採用や組織定着で苦戦している企業担当者の皆様に向けて LIFULLに新卒で入社し同社初のCTOとしてエンジニア組織の拡大に貢献してきた長沢氏に、エンジニアの採用から組織強化において日々心がけているポイントを自身の失敗経験からの学びも含めご紹介いただきました。 「DXの実行フェーズにいるが、エンジニア採用に苦戦している」 「せっかく採用したエンジニアの定着率が悪く、何をす
プロダクトマネジメントのコーチをしています。プロダクト開発の中でもGPT4を使うケースが増え、相談されることが増えてきました。 ChatGPTのGPT4を用いた際の、専門家として信用できる精度で推論させるための工夫の一部を紹介します。精度が必要な専門職かつ中級者向けになると思います。「機密情報の入力をどうさけるか」といった運用の話は今回はしません。 やったことと起きたこと一通り論文を読んで試したり、試行錯誤しました。 その結果、専門家として業務レベルで使える程度のものができるようになってきました。 クライアントのプロンプトを添削する仕事も増えつつあります。副作用として、日本語なのに日本語と感じられない自然言語に目覚めてきました。この片鱗についてお話しします。 分かったこと分かったこととして、精度を業務レベルで用いるためにまずはじめにとりくむことは下記です。 ・接待モードを切る ・指示の質が
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く