Открываем новые возможности с ChatGPT и инженерией запросов

Всем привет! В этом посте хочется поделиться уникальным курсом от Исы Фулфорд (OpenAI) и Эндрю Ына (DeepLearning.AI) под названием "ChatGPT Prompt Engineering for Developers".

На этом курсе можно окунутся в удивительный мир больших языковых моделей (LLM) и узнать, как быстро создавать новые полезные приложения с их помощью. Благодаря API OpenAI можно научиться:

• Кратко излагать (например, суммаризировать отзывы пользователей)

• Извлекать информацию (например, классификация по настроению, извлечение тем)

• Трансформировать текст (перевод, исправление орфографии и грамматики)

• Расширять (например, автоматическое написание электронных писем)

Курс также затрагивает два ключевых принципа создания эффективных запросов, способы систематической разработки хороших запросов и создания собственного чат-бота. Про создание собственного чат-бота писал ранее в этом туториале.

Чтобы закрепить полученные знания, на курсе предоставляются наглядные примеры, с которыми можно поработать прямо в среде Jupyter notebook.

Курс подходит для начинающих. Для участия требуется лишь базовое знание Python. Однако этот курс также подойдет для опытных инженеров машинного обучения, стремящихся изучить передовые методы использования моделей LLM.

Не упустите свой шанс обучиться этому захватывающему направлению и выполнять разнообразные задачи с помощью умений инженерии запросов. Успехов! ?

Всем привет!

В этом туториале писал о том, как собрать свою обëртку для ChatGPT, используя Streamlit и API OpenAI.

Рассказываю, что случилось нового ?
Добавлен функционал для подсчёта токенов, стоимости сообщения и беседы. Реализовано с помощью функции:

import streamlit as st


def calc_cost(usage: dict) -> None:
    total_tokens = usage.get("total_tokens")
    prompt_tokens = usage.get("prompt_tokens")
    completion_tokens = usage.get("completion_tokens")
    st.session_state.total_tokens.append(total_tokens)
    # pricing logic: https://openai.com/pricing#language-models
    if st.session_state.model == "gpt-3.5-turbo":
        cost = total_tokens * 0.002 / 1000
    else:
        cost = (prompt_tokens * 0.03 + completion_tokens * 0.06) / 1000
    st.session_state.costs.append(cost)

Проверить работу нового функционала можно на сайте AI Talks. Репозиторий с кодом ожидающий ваших issue, pr и звёзд ⭐
Успехов! ?