104學習

模型建立

AI 專區學習課程

證照測驗共學

模型建立

關注

邀請朋友

Line

Facebook

複製連結

取消

「模型建立：負責分析業務需求，設計與開發數據模型，以支持公司決策與策略制定。主要目標為透過數據預測及分析，提升業務運作效率與市場競爭力。需具備深厚的資料分析能力、統計知識及數據視覺化技巧，並能有效跨部門協作，與資訊技術、行銷及業務單位密切溝通。在台灣職場中，應對快速變化的市場需求與數據隱私法規的挑戰，需具備靈活應變能力與敏銳的商業洞察力。」

關於教室

關注人數 2 人

104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。

學習主持人

持續分享知識，
有機會成為官方教室主持人

教室標籤

模型建立

Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！

我要分享

我要提問

模型建立學習推薦

全部

影片

文章

AI 趨勢報－科技愛好者的產地🤖

關注

知識貓星球

喵星人

2024/08/06

開發者有福啦！OpenAI推出GPT-4o 64K長輸出模型，容量更大效能更強｜應用場景？如何試用？要付費嗎？

OpenAI在本週推出了具突破性的GPT-4o 64K長輸出模型，這個實驗性版本的模型允許每次提示最多可輸出64K token。這一突破為開發者提供了更強大的工具，以應對更複雜的任務和應用場景。

▍什麼是 GPT-4o 64K長輸出模型？要付費使用嗎？

GPT-4o 64K長輸出模型目前以Alpha測試版本開放使用，模型名稱為gpt-4o-64k-output-alpha。雖然是測試版，但其推論成本較高，輸入費用為每百萬token 6.00美元，輸出費用則為每百萬token 18美元。開發者若想試用，可透過API發送https://api.openai.com/v1/models/gpt-4o-64k-output-alpha 請求，若有回應即表示獲得試用權限。

▍長輸出模型的使用場景

GPT-4o 64K長輸出模型的推出，為開發者帶來了許多新的應用場景，包括但不限於以下幾個方面：

● 深入文本分析：利用64K token的輸出能力，可以對長篇文章、報告或書籍進行更深入的分析和總結，從而生成更詳盡和精確的文本摘要。

● 大規模數據處理：在處理大量數據時，長輸出模型能夠提供更全面的分析結果，適用於金融分析、市場研究等需要大量數據處理的領域。

● 複雜問題解決：對於需要多步推理和詳細解釋的問題，GPT-4o 64K模型能夠提供更完整的回答，提升用戶體驗和滿意度。

● 教育和培訓：在教育和培訓領域，長輸出模型能夠生成詳細的教學內容和學習材料，幫助學生更好地理解和掌握知識。

▍GPT-4o 64K模型的優勢

相較於以往的4K token模型，GPT-4o 64K模型具有多項顯著優勢：

● 更長的輸出容量：64K token的輸出容量是之前模型的16倍，這意味著可以處理和生成更長和更複雜的文本，提升應用的靈活性和實用性。

● 更高的精度和詳細度：在生成長篇內容時，GPT-4o 64K模型能夠提供更高的精度和詳細度，避免因輸出限制而造成的信息遺漏。

● 更強的適應性：長輸出模型能夠更好地適應多種不同的應用場景，無論是文本分析、數據處理還是教育培訓，都能夠提供優質的解決方案。

● 提高工作效率：通過使用長輸出模型，開發者能夠在更短的時間內完成更多複雜的任務，顯著提高工作效率和成果質量。

OpenAI的GPT-4o 64K長輸出模型，不僅為開發者提供了更強大的工具，也拓展了AI應用的邊界。無論是在文本分析、大規模數據處理還是教育培訓領域，這一模型都展示了其巨大的潛力和優勢。隨著技術的不斷進步，我們可以期待更多創新應用的出現，進一步提升我們與AI的互動體驗。如果你是開發者，現在就開始探索GPT-4o 64K長輸出模型，發掘其無限可能吧！

➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！

看更多

開發者有福啦！OpenAI推出GPT-4o 64K長輸出模型，容量更大效能更強｜應用場景？如何試用？要付費嗎？

0 0 400 0

拍手

留言

分享到：

Line

Facebook

複製連結

取消

104學習精選課程

看更多課程

想提升職場競爭力？專業技能課程看起來👇

【職場人必備的GenAI入門課】 GAI提高效率和生產力

「整天馬拉松會議心好累，還要加班做會議紀錄...」學會運用 Gen AI 工具，處理那些枯燥且耗時的重複性工作，把你寶貴的時間投注在創意和策略性的任務！十分鐘跟著 TibaMe 學習用「GAI 提高效率和生產力」！

緯育TibaMe

【職場人必備的GenAI入門課】精準GAI指令，提升職場競爭力

「現在大家都在用AI，我是不是會被淘汰！」「什麼是生成式AI？LLM大語言模型又是什麼？」如果這些也是你的問題，如果你想學 AI 卻不知怎麼開始，跟著TibaMe 十分鐘學習「精準GAI指令，提升職場競爭力」！

緯育TibaMe

自然語言處理與大型語言模型｜本課程為線上課

🎯此課程將帶你瞭解NLP 和 LLM 技術，如何高效處理大量文本資料，以迎接各種複雜的語言分析挑戰，更進一步靈活應用於多種領域的實際解決方案。

艾鍗學院

深度學習之問答系統實作｜本課程為線上課

課程將帶領學員了解NLP自然語言處理的任務與流程、中文自然語言處理及常見的文字編碼方式，並透過深度學習演算法與進階語言模型實作，進而實現AI主題專案：Telegram飯店業問答系統。課程搭配軟體套件使用，兼具理論與實作面向，讓你對NLP有完整的概念。

艾鍗學院

ChatGPT企業實踐指南 | 技術透析與整合應用

本課程希望能更進一步解析ChatGPT，包括提示工程(Prompt engineering)、模型選擇與收費機制、API使用，也探索企業應用與整合的切入點，最後對 ChatGPT 原理作一深入淺出的說明。

緯育TibaMe

駕馭Azure OpenAI ｜微軟專家手把手教你打造 AI ChatBot

重磅邀請微軟MVP KOKO老師，帶你了解Azure OpenAI雲服務，提供安全穩定的解決方案，更教導如何快速打造企業智能開發，涵蓋Azure的基礎使用、向量資料庫建構、學習大型自然語言模型應用框架LangChain，此外，加碼親授如何運用企業內部資料，打造獨一無二的企業客服。

緯育TibaMe

104學習

wayne265265.pixnet.net

【筆記】Waterfall model 瀑布模型介紹 @ 橘子亂說話 :: 痞客邦 ::

291 4

麥迪遜數據花園

關注

邱志威

創辦人

2022/01/07

資料清理與型態調整：資料前處理必須要做的事

實務上在收集完資料之後，到真正進入模型之前還有一個重要的環節需要處理，稱為是「資料前處理（Data Preprocessing）」。收集到的資料是從使用者的角度下去規劃，不一定是最適合數學模型存取的樣子。在這個環節的主要工作就是將資料調整成適合模型的輸入，也有人把這個過程稱為 ETL （Extract-Transform-Load）。

ETL 用來描述將資料從來源端經過抽取（extract）、轉置（transform）、載入（load）至目的端的過程。ELT 這個字常用在 BI、 Data Pipeline、資料倉儲領域上。Data Pipeline 是指利用程式自動化定期的資料處理過程，Data Pipeline 其實就是 MLOPs 前面那一段自動化過程。

https://tw.alphacamp.co/blog/data-processing-and-data-cleaning