- Видео 60
- Просмотров 12 667
Yong Xon
Южная Корея
Добавлен 8 фев 2014
ChatGPT의 한계와 기업에서의 Gen AI 전략
ChatGPT의 한계와 기업에서의 Gen AI 전략 탐구
여러분, 안녕하세요! 오늘의 영상에서는 현재 우리가 많이 활용하고 있는 인공지능, ChatGPT의 한계점과 기업들이 어떻게 Gen AI를 전략적으로 활용하고 있는지 깊이 있게 다루어보려 합니다.
ChatGPT는 많은 정보와 대답을 제공하는 놀라운 도구이지만, 때로는 상식적이지 않은 답변을 제공하기도 하고, 감정적 맥락을 잘 파악하지 못하는 경우도 있습니다. 그 외에도 여러 가지 한계점이 있습니다. 이러한 한계점은 어떤 것들이 있을까요?
또한, 기업들은 AI 기술의 빠른 발전 속에서 어떻게 이를 전략적으로 활용하고 있는지, 그리고 이러한 기술의 위험성을 어떻게 관리하고 있는지에 대해서도 살펴보겠습니다.
이번 영상을 통해 ChatGPT와 기업의 Gen AI 전략에 대한 통찰력을 얻을 수 있을 것입니다. 영상이 유익하셨다면 '좋아요'와 '구독' 버튼도 잊지 마세요! 여러분과 다음 영상에서 또 만나요!
Disclaimer: 이 영상의 내용 전체는 ChatGPT(4)가 제시한 것을 수정 없이 사용한 것이며
사용된 이미지는 모두 ChatGPT가 제시한 Description을 사용하여
ChatGPT가 제공하는 DALL-E 3로 생성한 것입니다.
2023-10-14 promptStrategies of RE::VISION 컨설팅
여러분, 안녕하세요! 오늘의 영상에서는 현재 우리가 많이 활용하고 있는 인공지능, ChatGPT의 한계점과 기업들이 어떻게 Gen AI를 전략적으로 활용하고 있는지 깊이 있게 다루어보려 합니다.
ChatGPT는 많은 정보와 대답을 제공하는 놀라운 도구이지만, 때로는 상식적이지 않은 답변을 제공하기도 하고, 감정적 맥락을 잘 파악하지 못하는 경우도 있습니다. 그 외에도 여러 가지 한계점이 있습니다. 이러한 한계점은 어떤 것들이 있을까요?
또한, 기업들은 AI 기술의 빠른 발전 속에서 어떻게 이를 전략적으로 활용하고 있는지, 그리고 이러한 기술의 위험성을 어떻게 관리하고 있는지에 대해서도 살펴보겠습니다.
이번 영상을 통해 ChatGPT와 기업의 Gen AI 전략에 대한 통찰력을 얻을 수 있을 것입니다. 영상이 유익하셨다면 '좋아요'와 '구독' 버튼도 잊지 마세요! 여러분과 다음 영상에서 또 만나요!
Disclaimer: 이 영상의 내용 전체는 ChatGPT(4)가 제시한 것을 수정 없이 사용한 것이며
사용된 이미지는 모두 ChatGPT가 제시한 Description을 사용하여
ChatGPT가 제공하는 DALL-E 3로 생성한 것입니다.
2023-10-14 promptStrategies of RE::VISION 컨설팅
Просмотров: 75
Видео
ChatGPT codeInterpreter 세상에 이런 넘이??? 데이터 분석 끝판왕!
Просмотров 89Год назад
챗GPT의 능력은 놀랄 만큼 놀랐나 했지만 그게 끝이 아닌 모양입니다. 이제 데이터만 있다면 그게 어떤 내용인지 혼자 파악하고, 어떤 분석을 할 건지 혼자 정하고, 실제로 해 놓고, 자기 혼자 검토하고, 그리고 나서는 그래서 그 의미가 무엇인지를 비즈니스 관점에서 해석해서 대책을 세워 냅니다. 자 이제 어쩌면 새로운 쟝르로 데이터 분석을 위한 인간의 역할이 대전환을 이루어여할 시점이 온 모양입니다.
promptStrategies 리비젼컨설팅의 ChatGPT 디지털 마케팅 프롬프트 엔지니어링 전략 - 2023
Просмотров 47Год назад
Master ChatGPT Prompt Engineering with promptStrategies! Boost Your Business Today! (5.23 세미나) Digital Marketer를 위한 ChatGPT 프롬프트 엔지니어링 전략 1.0 상세정보 : revisioncrm.tistory.com/514 #ChatGPT #Prompt Engineering #디지털 마케팅 (Digital Marketing) #실전 사례 (Practical Examples) #효과적인 프롬프트 엔지니어링 (Effective Prompt Engineering) #구조적 한계 (Structural Limitations) #시장분석 (Market Analysis) #캠페인 실행계획 (Campaign Execution...
ChatGPT 프롬프트 엔지니어링으로디지털 마케팅 혁신하기
Просмотров 127Год назад
디지털마케팅 실무자들이 효과적으로 ChatGPT와 같은 첨단 AI를 활용하기 위해서는 지시명령문(Prompt)을 체계적으로 던지는 방법을 습득해야 합니다. [ 디지털 마케터를 위한 ChatGPT 프롬프트 엔지니어링 워크샵 ] 상세 소개 : revisioncrm.tistory.com/506 어떤 프롬프트를 사용해야 더 적절하고 유용한 답을 효율적으로 얻어낼 수 있는가를 실전적인 디지털 마케팅 문제들을 통해 익히게 되면 새로운 과제들을 스스로 해결할 수 있습니다. 내가 원하는, 그리고 내게 꼭 필요한 결과 (구체적으로는 한번도 본적도 없고 정확히 무엇인지 알지도 못하는, 하지만 만들어질 수는 있는) 를 얻기 위해서는 ChatGPT Prompt가 [1] 적절한 수준으로 구체화(specified) 되어야하는 ...
AI innovation 2020 키노트1 국내전망 전용준 박사 3 _머신러닝 성과의 조건
Просмотров 1034 года назад
국내 머신러닝 관심변화와 사례 _전용준 Part 3 [AI innovation 2020] 전용준. 리비젼컨설팅 대표. 2020.09.25 총3개 Part 중 3번 머신러닝 성과가 낮은 이유와 국내사례 검토의 시사점 전체 아젠다: - 머신러닝에 대한 관심은 어떻게 달라져가는가? - 국내 머신러닝 적용 사례들과 시사점 - Checkpoint와 방향: 무엇이 빠져있는가? & 어디로 가야 하는가? 핵심 메시지:: - 응용 What - 어떤 문제에 머신러닝을 사용해야 할지를 찾지 못한다 [Fact] 단순한 작업들에도 ML 활용 가능 (c.f. 오피스에 ML 탑재?) - Y 정의 - 무엇을 목표변수로 할 것인지를 잘 설정하지 못한다 - 시간 Timeframe - 시간개념이 필요함을 이해하지 못한다 - 데이터 - ...
![국내 머신러닝 관심변화와 사례 _전용준 Part 2[AI innovation 2020]](http://i.ytimg.com/vi/PvP3wHTw4K4/mqdefault.jpg)
국내 머신러닝 관심변화와 사례 _전용준 Part 2[AI innovation 2020]
Просмотров 504 года назад
국내 머신러닝 관심변화와 사례 _전용준 Part 2 [AI innovation 2020] 전용준. 리비젼컨설팅 대표. 2020.09.25 총3개 Part 중 2번 국내 중심의 대표적 사례들에 대한 소개 전체 아젠다: - 머신러닝에 대한 관심은 어떻게 달라져가는가? - 국내 머신러닝 적용 사례들과 시사점 - Checkpoint와 방향: 무엇이 빠져있는가? & 어디로 가야 하는가? 핵심 메시지:: - 머신러닝 꾸준한 확산 진행 중. 국내외 시장 경쟁적 중요성 지속 증가 - 이해도, 경험, 기술력, 자원부족 등 문제 산재 - 작더라도 성공적인 ML응용 집중 확대 필요 - 알고리즘, 속도, 정확도 보다 중요한 비즈니스 가치 집중 필요 #전용준 #머신러닝 #인공지능 #리비젼컨설팅 #aiinnovation2020
![국내 머신러닝 관심변화와 사례 _전용준 Part 1[AI innovation 2020]](http://i.ytimg.com/vi/ljjRgy1IDrE/mqdefault.jpg)
국내 머신러닝 관심변화와 사례 _전용준 Part 1[AI innovation 2020]
Просмотров 754 года назад
국내 머신러닝 관심변화와 사례 _전용준 Part 1 [AI innovation 2020] 전용준. 리비젼컨설팅 대표. 2020.09.25 총3개 Part 중 1번 전체 아젠다: - 머신러닝에 대한 관심은 어떻게 달라져가는가? - 국내 머신러닝 적용 사례들과 시사점 - Checkpoint와 방향: 무엇이 빠져있는가? & 어디로 가야 하는가? 핵심 메시지:: - 머신러닝 꾸준한 확산 진행 중. 국내외 시장 경쟁적 중요성 지속 증가 - 이해도, 경험, 기술력, 자원부족 등 문제 산재 - 작더라도 성공적인 ML응용 집중 확대 필요 - 알고리즘, 속도, 정확도 보다 중요한 비즈니스 가치 집중 필요 #전용준 #머신러닝 #인공지능 #리비젼컨설팅 #aiinnovation2020
![인공지능 비즈니스 적용 2020 어디로 가고 있는가 [전용준. 리비젼]](http://i.ytimg.com/vi/ZxPBHxsYs08/mqdefault.jpg)
인공지능 비즈니스 적용 2020 어디로 가고 있는가 [전용준. 리비젼]
Просмотров 1805 лет назад
일반적인, 연구자들이 개발하고 있는 또는 상상속의 인공지능이 아니라 실제 기업 현장에서 사용되는 분석시스템으로서의 인공지능이 어떤 방향으로 가고 있는가를 국내외 기업들이 직접 이야기하고 있는 내용들을 바탕으로 비교해 살펴본다. 통합과 관리, 조직내의 설득, 추천시스템(Recommendation Systems) 이나 이상패턴 탐지 (Anomaly Detection)와 같은 비즈니스 적용분야 그리고 DNN딥러닝 등 변화의 방향을 대표하는 키워드들로부터 우리 기업들이 가야할 길에 대해 생각해 본다. "인공지능 비즈니스 적용 2020 어디로 가고 있는가 [ 전용준. 리비젼. revision.co.kr . xyxonxyxon@empal.com ] #비즈니스 #인공지능 #머신러닝 #2020 #전용준 #리비젼컨설팅
Analytics, Big Data, AI and Machine Learning : Business Cases and Considerations
Просмотров 1915 лет назад
Analytics, Big Data, AI and Machine Learning : Business Cases and Considerations - YONG XUNE XON [revisionconsulting]. 2019 Addresses : ● Big Data and Analytics in Business ● Business Cases Leading To Values ● Do You Have the Right Data? ● AI : Myths and Misunderstandings ● Diminishing Gain of Marginal Data Volume ● To Avoid Failure of AI/ML Deployment ● Checkpoints : Analytics & Data Opportuni...
[파이썬] 상관계수의 ML실전활용 201909. 전용준.리비젼
Просмотров 5845 лет назад
상관계수는 변수들간의 관련성을 확인하기 위해 가장 많이 사용되지만, 👍두 변수간에 상관관계가 낮게 나오면 진짜 관계가 없는 것일까? 👍타겟변수와 상관관계가 낮으면 예측모델링에서 처음부터 버려도(feature selection) 되는 것일까? 👍독립변수들간에 상관관계가 상당하다면 예측모델링에 함께 투입하면 안되는 것일까? 깊이 생각해보지 않고 기계적으로 상관계수를 구하고 만병통치약인듯 사용하는 경우가 많지만 실전에서라면 여러 가능성을 검토해서 활용해야할 것. Contents : 👍 상관계수를 구하는 여러 syntax들 (Python: Numpy, Pandas, Scipy) 👍 일괄로 여러변수들의 상관계수 구하기 👍 타겟변수와의 상관계수 검토 및 의미 파악 👍 변수가 가진 분포에 따른 상관계수 유용성 판단...
머신러닝 예측 모델링: 타겟 변수 정의1 [전용준.리비젼컨설팅]
Просмотров 7035 лет назад
머신러닝 예측 모델링: 타겟 변수 정의1 [전용준.리비젼컨설팅] 2019.09 머신러닝 예측모델이 작동 자체도 될 수 없는 경우가 발생하는 가장 대표적인 이유는 예측 대상(Y)을 잘못 설정했기 때문. 그렇다면, Y를 어떻게 설정해야 할 것인가? [Rule #1] X는 과거에서 Y는 미래에서 온다 - 예측모델링의 용도는 미래에 대한 예측 - 이미 벌어진 상황의 설명이 아님 - 다음 시점에 다음 미래 계산 필요 같은 기간에 X와 Y를 두고 데이터를 사용해서 예측모델링(회귀분석이든 딥러닝이든)을 한다? "날씨 검색 많은 기간일수록 미세먼지 검색이 적다" 이런 식이라면 예측은 작동되지 않는다. 전용준. 리비젼컨설팅. 2019. [#머신러닝 #예측모델링 #전용준 #리비젼컨설팅]
파이썬: 실전팁 for EDA [전용준.리비젼컨설팅]
Просмотров 1,8 тыс.5 лет назад
파이썬: 실전팁 for EDA [전용준.리비젼컨설팅] (지극히 주관적인...) 실전에서의 탐색적 데이터 분석 방법 (Tips) 몇 가지 요점은 .... 👍 [1] 익숙한 하나의 라이브러리를 집중적으로 사용한다 (esp. plt.scatter ) 👍 [2] 많은 변수가 있다면 핵심변수에 우선 집중한다 (esp. Target이 있는 경우) 👍 [3] 세개의 변수를 한 Set으로 (그리고 3 변수 까지만. 그리고, No 3D plot) (스크립트는 ... 블로그에 :: blog.daum.net/revisioncrm/441 ) Plus 👍 실전에서 그림이 예쁜지는 중요 X 👍 초기 EDA는 보고용이 아니라 분석용 👍 극명한 패턴을 빠르게 찾아내야 [ #머신러닝 #EDA #파이썬 #전용준 #리비젼 #리비젼컨설팅...
파이썬 실전: 히트맵 for 탐색적 분석 [전용준. 리비젼컨설팅]
Просмотров 1 тыс.5 лет назад
파이썬 실전: 히트맵 for 탐색적 분석 [전용준. 리비젼컨설팅] ..... Python에서 히트맵 heatmap을 그리는 두 가지 방식. 그리고, 히트맵 활용시 고려할 사항들 ... (script 블로그: blog.daum.net/revisioncrm/440 ) 👍 Heatmap 은 EDA 탐색적 분석에서 반복적 사용하기 좋음 = 매우 유용 👍 실무적인 EDA 탐색적 분석에서는 여러 변수들의 조합에 대한 동일 패턴 반복 검토 흔함 👍 matplotlib.scatter() 사용하는 방식 Vs. seaborn.heatmap() 선택? 👍 생각보다는 heatmap 전용 기능 대신 scatter 사용하는 장점이 많음 👍 scatter 마음대로 그리는 것이 가능 - 신축적 FLEXIBLE! 👍 기본기능이므로 ...
머신러닝 예측모델링의 전제와 가정 [전용준.리비젼]
Просмотров 6835 лет назад
머신러닝 예측모델링의 전제와 가정 [전용준.리비젼] ( 블로그 포스트 : blog.daum.net/revisioncrm/439 ) 머신러닝 예측모델이 맞지 않는 이유는 데이터, 알고리즘, 예측 대상 설정 중 어딘가가 잘못되어 있기 때문. 그렇다면, Data와 Algorithm 중 어디를 고치는 것이 더 중요할 것인가? 머신러닝 예측모델의 전제와 가정 (Implicit Assumptions?) [1] 과거가 미래의 척도가 된다 [2] 분석에 필요한 데이터가 존재한다 [3] 데이터가 예측하려는 내용을 담고 있다 이 전제사항들 중 무언가가 성립하지 않는다면 정확한 예측을 할 수 있는 모델이 만들어질 수 있겠는가? 가정이 성립하는지에 대한 판단이 어렵다면? 전제사항이 부분적으로만 충족된다면? 어쩌면 예측모델링...
[Python] Customer Segmentation of a virtual online bookstore: revision_consulting_ Machine Learning
Просмотров 1,1 тыс.5 лет назад
[Python] Customer Segmentation of a virtual online bookstore: revision_consulting_ Machine Learning
[Machine Learning] LESSONS LEARNED FROM BIZ APPLICATIONS OF ML
Просмотров 5175 лет назад
[Machine Learning] LESSONS LEARNED FROM BIZ APPLICATIONS OF ML
State of the Art ML Algorithms [전용준.리비젼]
Просмотров 1176 лет назад
State of the Art ML Algorithms [전용준.리비젼]
AI인공지능/머신러닝 기업 적용 실패의 이유들 [전용준.리비젼] 2018
Просмотров 6806 лет назад
AI인공지능/머신러닝 기업 적용 실패의 이유들 [전용준.리비젼] 2018
[R분석] EDA 탐색적분석 - binary변수. 리비젼.전용준.2018
Просмотров 1366 лет назад
[R분석] EDA 탐색적분석 - binary변수. 리비젼.전용준.2018
비즈니스 가치를 위한 AI 적용: 이슈와 과제 [전용준.리비젼] 201809
Просмотров 1686 лет назад
비즈니스 가치를 위한 AI 적용: 이슈와 과제 [전용준.리비젼] 201809
R anomaly detection Practice EDA 전용준2018 [HD]
Просмотров 3906 лет назад
R anomaly detection Practice EDA 전용준2018 [HD]
결국 챗지피티도 질문을 잘 해야하네요!
예 그렇지요. 어떤 도구도 쓰는 법을 잘 알아야 유용하겠지요
질문을 잘하려면 질문 방법론을 체계적으로 공부해야한다는 점을 잊지 말아야 합니다
쵝오로 뼈때리는 강의
( blog.daum.net/revisioncrm/415 페이지의 스크립트에서) #---- barplot으로 안타의 종류별 빈도 비교 ----- # 장거리, 중거리, 단거리의 비율로 팀별 성향을 파악 # 팀별 집계 테이블 생성 # 먼저 빈 테이블을 데이터프레임으로 생성 teams <- data.frame(team="", H=0,X2B=0,X3B=0,HR=0) # factor type 으로 자동 설정된 team을 character format 으로 변경 teams$team <- as.character(teams$team) # 팀별 집계치를 추가 teams[1,]<- c("두산", colSums(hit1[hit1$team=="두산",c("H","X2B","X3B","HR")])) teams[2,]<- c("SK", colSums(hit1[hit1$team=="SK",c("H","X2B","X3B","HR")])) teams[3,]<- c("한화",colSums(hit1[hit1$team=="한화",c("H","X2B","X3B","HR")])) teams 이런 식으로 중간에 teams$team <- as.character(teams$team) 이 부분이 들어가주면 문제없이 실행되네요. 기본으로 factor로 타입을 설정하는 문제로 인해 아마도 오류가 있지 않았나 싶습니다.
큰 도움 되었습니다 감사합니다^^
이또한 어마어마한 팁같아요.. 와우.. 진짜 클라스가 다르네요정말!!!!!
잘 보겠습니다. 감사합니다
이게 명강의다 진짜 클라스가 다르네요
아니 이런 민망할데가 ^^; 여하간 봐주셔 감사합니다
사례가 아주 좋습니다.
데이터는 가짜랍니다 :-)
blog.daum.net/revisioncrm/441 블로그에 script
파이썬이 그림 그리기 좋은 거군요~
노트북은 블로그에 올려두었습니다 >> blog.daum.net/revisioncrm/436
막 배우기 파이썬 공부 시작해서, 한줄한줄 따라하면서 공부했습니다. 감사합니다!
공부하시는데 얼마라도 도움이 되었으면 다행이겠습니다 ^^
재미없으면 .... 의견주세요^^ 재미가 있어야 되는데... ㅋㅋ
좋은 강의 감사합니다. 잘 들어보겠습니다!
4차 산업혁명에 대한 새로운 날카로운 정리였습니다.
끝까지 보신 모양이군요~~^^
[황순귀 ] ... 가 키워드