生成AIアクセラレーター¶
| トピック | 説明 |
|---|---|
| 生成AIを使用したスマートクラスターラベリング | DataRobotの提供するクラスタインサイトにChatGPTを組み合わせ、OpenAIとDataRobotのAPIを用いて、クラスタにビジネスやドメインに特化したラベルを付与する。 |
| 生成AIを使用した顧客コミュニケーションの向上 | GPT-3などの生成型AIモデルを使用して、予測を向上させ、顧客に対して専門家のような親切な回答を提供する方法。 |
| ハイパーパラメーター最適化ワークフロー | DataRobotの既存のハイパーパラメータチューニングを基にして、hyperoptモジュールをDataRobotのワークフローに統合する。 |
| エラー分析用のゼロショットテキスト分類 | 大規模言語モデル（LLM）を使用したゼロショットテキスト分類を利用し、教師ありテキスト分類モデルのエラー分析に注目する。 |
| 生成AIによるカスタマーサポートワークフローの最適化 | 生成型AIモデルを使用してレベル1のリクエストに対応し、サポートチームがより緊急で目立つリクエストに集中できるようにします。 |
| カスタム指標による生成AIの監視 | LLMおよび生成型AIソリューションを監視し、整合性と投資収益率（ROI）を測定するためのカスタムメトリクスを提供します。 |
| JITR Botを使用してコンテキスト認識の応答を生成 | 「ジャストインタイムリトリーバル」（JITR）を使用して、コンテキストに応じた即時の回答を提供するためのデプロイを作成する。 |
| 医学研究を使用してヘルスケア会話エージェントを構築する | 検索拡張生成(RAG)を使用して、医療従事者向けの会話エージェントを構築します。 |
| 大規模言語モデルで監視機能を有効化する | コードのリファクタリングを行うことなく、既存の生成AIソリューションでLLMOpsつまりオブザーバビリティを有効にします。 |
| 生成AIを使用した製品フィードバックレポートの自動化 | 予測AIモデルと生成AIモデルを組み合わせて使用することで、感情的文章の要約と分割の自動化に関するガードレールの制約を克服できます。 |
| RSSフィードから記事の要約を作成 | RSSフィードを使ってStreamlitアプリで記事を要約する方法を紹介します。 |
| Google GCPとDataRobotでファインチューニングされたLlama 2 | Google GCPとDataRobotにLlama 2を統合する方法を紹介します。 |
| TeamsやSlack用のエンタープライズチャットボット | TeamsやSlack用のボットなど、コラボレーション可能なアプリのプラグインを構築します。 |
| DataRobotでのGoogle Geminiの使用 | カスタムモデルワークショップを介してハイパースケーラーによって提案されたLLMを活用します。 |
| LLMカスタム推論モデルテンプレートの使用 | LLMカスタム推論モデルテンプレートを使用すると、Azure OpenAI、Google、AWSなどの「batteries-included」LLMとともに、独自のLLMをデプロイして高速化できます。 |
| Microsoft TeamsでのDataRobot生成AIの使用 | DataRobotの生成AIサービスを使用すると、追加のフロントエンドや消費レイヤーを必要とせずにチャットボットをデプロイできます。 |
| Google GCPで稼働するMistral 7BとDataRobot | Google GCPとDataRobotにMistral 7Bを統合する方法を紹介します。 |
更新しました July 10, 2024
このページは役に立ちましたか？
ありがとうございます。どのような点が役に立ちましたか？
より良いコンテンツを提供するには、どうすればよいでしょうか？
アンケートにご協力いただき、ありがとうございました。