001|背景
这是我最新发布的导航站点 aiwith.me
这个站点由于第一版数据来源于第三方,只有站点基础数据,没有对数据进行分类,最近站点上线了,主体框架都搭建完成了,这才有空去对数据做分类. 目前的快捷筛选,完全依靠关键字匹配检索。
前期为了快速上线,直接拿到词频相对较高和常用的词语进行筛选。 这样过于粗暴,而且有时候不太准确。
002|分类方案
数据量多了之后,这样的筛选会越来越不准确,有时候站点信息没有这些关键字,但分类上是一致的。 为更好的把站点按照类型区分,我想了这些办法:
1、人工标记 - 历史数据太多了,太费时
2、通过大模型去分类 - Kimi 或者 ChatGPT-3.5
3、通过本地大模型去分类-正好测试一下本地大模型的性能和准确性如何。
最后选择了第三种方案,因为不需要 API 成本,并且可以试试本地模型性能!
003|使用 Ollma 运行本地模型
使用 Ollma 来快捷的运行本地大模型: ollama 介绍 ollama.com/
Ollma 支持运行的常见模型: github.com/ollama/olla…
下载 安装 Ollma 后,运行可以按照官网的命令 ollama run [模型名字]
004|使用 API 调用模型
命令行可以支持对话,但是我有 800 条数据要跑,我不可能在这个窗口完成。所以这就需要用 ollma 的 API 执行。
默认情况下,ollma 的 API 端点在11434端口,如果你没有启动的话,执行以下命令。
参考 API 文档: github.com/ollama/olla…
因为不需要对话和记忆,只要文本生成就是了,所以我们选择 /api/generate
端点。
需要处理的数据结构如下:
005|编写提示词&调试提示词
这个过程实际上挺麻烦的,我前前后后写了四版提示词,进行测试。 主要诉求是:通过我给出的已知网站信息,给出最符合我限定范围内的分类。
随便来段 Python 代码,批量执行数据。进行提示词的调试。
1、使用 llama3 模型并禁用流输出,默认是流输出,为了序列化方便,我们一次调用一次性获得结果即可。
2、将已知的网站信息,主要是描述信息给到大模型,参照以下上面的数据结果,大约 800 +个类似的数据
3、限定输出的格式为 JSON 数组,便于编程使用(也可以直接更新数据写到新的 JSON 文件)
遇到的问题: 在最终版本确认之前改几次,几乎很多站点都分类到了 Code&IT
这个分类,这是为啥呢? 后来我分析了一下,因为我的站点都是 AI 站点,几乎都会出现关键字 AI Power 或者 AI xxx 等词语,这会让它将大部分数据分类为 IT 类。 所以我加了一个限定如下:
...
All websites are AI-related websites, so don't simply add Code&IT or AI classifications, but types that are combined with artificial intelligence, unless it's obvious that it's code assistant, low-code, or website building, don't easily classify them as Code&IT or AI
...
// 翻译如下(实际是最初由中文翻译过去的...):
所有网站都是与AI相关的网站,所以不要简单地添加Code&IT或AI分类,而是与人工智能相结合的分类,除非很明显是代码助手、低代码或网站建设,否则不要轻易将它们归类为Code&IT或AI
006 | 最终运行效果如下:
007 | 如何判定分类效果?
1、通过搜索与分类标签的交叉验证 2、人工随机抽查数据中的分类
根据我的判定我觉得准确率应该在 80%左右,速度也挺快。 本地跑 CPU 20% 左右,一秒一个的样子。
零基础如何学习大模型 AI
领取方式在文末
为什么要学习大模型?
学习大模型课程的重要性在于它能够极大地促进个人在人工智能领域的专业发展。大模型技术,如自然语言处理和图像识别,正在推动着人工智能的新发展阶段。通过学习大模型课程,可以掌握设计和实现基于大模型的应用系统所需的基本原理和技术,从而提升自己在数据处理、分析和决策制定方面的能力。此外,大模型技术在多个行业中的应用日益增加,掌握这一技术将有助于提高就业竞争力,并为未来的创新创业提供坚实的基础。
大模型实际应用案例分享
①智能客服:某科技公司员工在学习了大模型课程后,成功开发了一套基于自然语言处理的大模型智能客服系统。该系统不仅提高了客户服务效率,还显著降低了人工成本。
②医疗影像分析:一位医学研究人员通过学习大模型课程,掌握了深度学习技术在医疗影像分析中的应用。他开发的算法能够准确识别肿瘤等病变,为医生提供了有力的诊断辅助。
③金融风险管理:一位金融分析师利用大模型课程中学到的知识,开发了一套信用评分模型。该模型帮助银行更准确地评估贷款申请者的信用风险,降低了不良贷款率。
④智能推荐系统:一位电商平台的工程师在学习大模型课程后,优化了平台的商品推荐算法。新算法提高了用户满意度和购买转化率,为公司带来了显著的增长。
…
这些案例表明,学习大模型课程不仅能够提升个人技能,还能为企业带来实际效益,推动行业创新发展。
学习资料领取
如果你对大模型感兴趣,可以看看我整合并且整理成了一份AI大模型资料包,需要的小伙伴文末免费领取哦,无偿分享!!!
vx扫描下方二维码即可
加上后会一个个给大家发
部分资料展示
一、 AI大模型学习路线图
整个学习分为7个阶段
二、AI大模型实战案例
涵盖AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,皆可用。
三、视频和书籍PDF合集
从入门到进阶这里都有,跟着老师学习事半功倍。
如果二维码失效,可以点击下方链接,一样的哦
【CSDN大礼包】最新AI大模型资源包,这里全都有!无偿分享!!!
😝朋友们如果有需要的话,可以V扫描下方二维码联系领取~