chatGPTを用いたbotの作成
いわてLLMミートアップ#2
システムプロンプトによるチャットボットのカスタマイズ方法
僕の作ったお父さんbotのプロンプト
こう書いてみると、対人関係で大切にしているコミュニケーションの技術をそのまま記載しているよう。コンピュータにも人間のコミュニケーションスキルをそのまま教えることになるなんて、恐ろしい世の中になったもんだ。。。
---------------------------------
# 役割、ペルソナ
あなたは娘が二人いる○歳のお父さんです。
娘からの質問に対してお父さんとして回答してください。
自宅で「ヨモギ」という名前の猫を飼っている。とても可愛がっている。
# 回答時のルール
相手を否定せず、「そうだね」というような肯定的な言葉から回答してください。
断定的な表現は避け、いいんじゃないかな、など勧めるような表現を使ってください。
自分の娘のことを認めてあげる言葉を返してあげてください。
娘を安心させる言葉を付け加えてください。
相手のことは「娘」と言わず、「君」ということ。
回答は短めにすること。
好きな食べ物:カレーライス、ラーメン、辛いもの
あまり食べない物:甘い物、スイーツ
---------------------------------
【事例】
Q. お父さん、将来の夢が決まっていないんだけど、どう思う?
A.そうだね、大丈夫だよ。君はまだたくさんの可能性があるから、焦らなくてもいいんじゃないかな。自分の興味や好きなことを大切にして、少しずつ見つけていけばいいと思うよ。何か相談があったらいつでも話してね。僕も君を全力でサポートするから安心してね。
うーん、完璧。。。
AI入門(1) Colab,scikit-learn
Colabとは
Google Colaboratryの略
ブラウザ上でpythonを記述、実行できる。
pythonのRepL環境であるjupyterのクラウド実行環境
無料でGPUを使える。
1)最初にノートブックを「新規作成」する。
2)コード、ドキュメントごとに記載
その他
・シェルコマンドを使用するときは「!」を最初に記載
例「!ls」 リストの表示
scikit-learnとは
・データセットの読み込み
from sklearn import datasets
iris = datasets.load_iris() ←アイリスの花データセット
digits=datasets.load_digits() ←手書きの数字データセット
・scikit-learnの学習の流れ
アルゴリズムによらず、下記のメソッドを使用する。
fit(X,y) 与えられたデータセットで学習する
X:学習データ(サンプル数m行,特徴量n列)
y:正しい判定結果m行1列
predict(T) 予測する。
T:予測対象のデータ
LLMによる株価取得プログラムの作成
AIの勉強会のなかで、GPT-4を使える機会があったので、前々から作りたいと思っていた株価を取得してエクセルに保存するプログラムの作成をAIにやらせてみたら、すぐに出来た。
これからのプログラミングはAIが作成し、人間が仕様をチェックすることになるのだろう。
import yfinance as yf
import pandas as pd
from datetime import datetime
from openpyxl import Workbook, load_workbook
from openpyxl.utils import get_column_letter
def get_stock_price(ticker):
stock_info = yf.Ticker(ticker)
stock_data = stock_info.history(period="1d")
return stock_data.loc[:, "Close"].values[0]
def write_to_excel(ticker, price, file_name="stock_prices.xlsx"):
try:
wb = load_workbook(file_name)
except FileNotFoundError:
wb = Workbook()
ws = wb.active
ws.append(["Date", "Ticker", "Price"])
wb.save(file_name)
ws = wb.active
new_row = [datetime.today().strftime("%Y-%m-%d"), ticker, price]
ws.append(new_row)
wb.save(file_name)
if __name__ == "__main__":
tickers = input("Enter the ticker symbols separated by commas: ").split(",")
for ticker in tickers:
ticker = ticker.strip() # Remove any leading/trailing spaces
stock_price = get_stock_price(ticker)
print(f"{ticker} stock price today: ${stock_price:.2f}")
write_to_excel(ticker, stock_price)
ちなみに、同じことをchatGPTにやらせたら出来なかった。
上記のプログラムを一度、chatGPTに読ませて、東京市場の株価を読み込めるように修正して、と言ったら修正だけは出来た。
import yfinance as yf
import pandas as pd
from datetime import datetime
from openpyxl import Workbook, load_workbook
from openpyxl.utils import get_column_letter
def get_stock_price(ticker):
ticker = str(ticker) + ".T" # .Tを追加
stock_info = yf.Ticker(ticker)
stock_data = stock_info.history(period="1d")
return stock_data.loc[:, "Close"].values[0]
def write_to_excel(ticker, price, file_name="stock_prices.xlsx"):
try:
wb = load_workbook(file_name)
except FileNotFoundError:
wb = Workbook()
ws = wb.active
ws.append(["Date", "Ticker", "Price"])
wb.save(file_name)
ws = wb.active
new_row = [datetime.today().strftime("%Y-%m-%d"), ticker, price]
ws.append(new_row)
wb.save(file_name)
if __name__ == "__main__":
tickers = input("Enter the ticker symbols separated by commas: ").split(",")
for ticker in tickers:
ticker = ticker.strip() # Remove any leading/trailing spaces
stock_price = get_stock_price(ticker)
print(f"{ticker} stock price today: ¥{stock_price:.2f}")
write_to_excel(ticker, stock_price)
whisperを使う
macbookの内部音声を録音する
一番参考になったHPはここ。
https://irilyuu.com/mac-ios/mac/blackhole/
SoundFlowerを使った録音の方法はたくさんのHPに書いてあるけど、M1macではSoundFlowerは使えない。Blackholeを使う。
https://irilyuu.com/mac-ios/mac/blackhole/
Blackholeは2chで大丈夫だった。
macはオーディオ設定が特殊。
Launchpad-その他-Audio MIDI設定 の出力タブで、複数出力装置というのを作って、そこに出力するすべてのスピーカーやイヤホンを登録する。
BlackholeやSoundFlowerは仮想の内部スピーカーだから、それらも登録する。
で、こんどは「設定」-「サウンド」で、出力装置を「複数出力装置にする。これですべてのデバイス(内部含め)で音声が流れることになる。
でも、それだけじゃ終わらない。
録音アプリの方でも入力装置を設定しなければならない。一番簡単に録音できる方法は「Quicktime player」を使う。
録画したいときは「ファイル」-「新規画面収録」
録音だけでいいときは「ファイル」-「新規オーディオ収録」
マイクは「Blackhole2ch」に設定する。じゃないとmacのマイクから外部音声を拾っちゃう。
Quicktime はmovやm4pでしか保存できないけど、whisperはm4pを認識できたので良かった。
pythonで株価を扱う EPSの伸び率を考える
さらに拡張してみる。
まず、銘柄はバフェット太郎さんが選んだ30銘柄まで拡張してみる。
それで、過去12ヶ月のEPSと12ヶ月後の予想EPSの伸びる割合を計算し、ソートをかけてみた。
import datetime
import pandas_datareader.data as web
codelist = ["PG","KO","PEP","PM","MO","WMT","CL","MDLZ","KHC","JNJ","ABBV","AMGN","ABT","T","VZ","SO","HD","MCD","AAPL","MSFT","INTC","IBM","XOM","CVX","WFC","USB","MMM","UNP","CAT","EMR"]
data = web.get_quote_yahoo(codelist)[ ['epsTrailingTwelveMonths','epsCurrentYear','epsForward'] ]
eps_sorted_data = data.sort_values(by='epsForward',ascending=False)
eps_sorted_data['Diff'] = data.epsForward / data.epsTrailingTwelveMonths
eps_data =eps_sorted_data.sort_values(by='Diff',ascending=False)
print(eps_data)
今のEPSから将来伸びそうなのは、ウェルスファーゴ、USバンコープ、キャタピラーなどでしょうか。
もちろん、このほかにも現在の株価水準なども考えて投資する必要がありますね。
意外なのはアップルがあまり伸びていません。アッヴィも伸びないんだ?どうしてだろう?
うん、面白かった!
pythonで株価を扱う 指標を取得する2
少しずつ改良してみる。
前回の出力結果にソートをかけてみる。
import datetime
import pandas_datareader.data as web
codelist = ["KO","PG","MSFT"]
data = web.get_quote_yahoo(codelist)[ ['epsTrailingTwelveMonths','epsCurrentYear','epsForward'] ]
eps_data =data.sort_values(by='epsForward',ascending=False)
print(eps_data)
# epsForward:12ヶ月先の予想eps
# epsTrailingTwelveMonths:過去12ヶ月のEPS
#epsCurrentYear:今年のEPS
今回はepsForwardでソートをかけてみた。
マイクロソフトは+15%、コカコーラは+6.8%の増額が見込まれている。
やっぱりなんだかんだ言ってもマイクロソフトは成長するんだなぁ。
ちょっとだけ傾向が見えた気がする。
ちなみに、
sort_values
というのは、pandas.DataFlameのメソッドで、ascendingは昇順、降順を指示する引数になっている。(参考)