GPT-3로 멋진 커버레터 만들기

이 튜토리얼에서는 GPT-3이라는 딥 러닝 모델을 사용하여 몇 초 만에 다양한 변형으로 커버 레터를 만드는 방법을 보여 드리겠습니다. 이 커버 레터는 새 일자리를 신청할 때 사용할 수 있습니다.

섹션:


  • What is GPT-3?
  • Is it cheating?
  • What will we be coding?

  • Tutorial Steps
  • Step 1: Create a new account with OpenAI
  • Step 2: Create new API key
  • Step 3: Time To Code

  • Full Code

  • GPT-3란 무엇입니까?



    GPT-3는 Generative Pre-trained Transformer 3의 약자로 OpenAI에서 만든 변환기 모델입니다. 요컨대 이 모델은 인터넷의 텍스트를 사용하여 생성 및 훈련되었으며 실제 인간 텍스트를 생성하는 데 사용할 수 있습니다.

    부정 행위입니까?



    여기 있는 우리 모두는 개발자이기 때문에 커버 레터를 위한 사실적인 텍스트를 생성하는 알고리즘을 갖는 것은 혁신을 보여주고 기술의 모든 최신 동향을 최신 상태로 유지하는 것을 보여줍니다. 그래서 나는 이것이 어떤 식으로든 부정 행위라고 생각하지 않지만 새로운 기술을 배우려는 헌신과 호기심을 보여줍니다.

    나는 개인적으로 이것을 구직 지원에 사용했으며 내가 받은 피드백은 "당신의 지원이 우리에게 눈에 띄었습니다..."라는 것이었고 마침내 다음 인터뷰 단계를 통과한 후 일자리를 제안받았습니다.

    우리는 무엇을 코딩할 것인가?



    우리가 코딩할 것은 매우 간단합니다. 우리는 GPT-3 알고리즘의 힘을 활용하고 있을 뿐입니다. 우리는 아무것도 훈련하거나 테스트하지 않을 것입니다. GPT-3 알고리즘에 몇 가지 샘플 커버 레터를 제공하여 생성하려는 내용을 이해한 다음 GPT-3 알고리즘을 실행하고 커버 레터를 생성하는 함수를 호출합니다.

    더 이상 고민하지 않고 튜토리얼을 살펴보겠습니다.

    단계



    1단계: OpenAI로 새 계정 만들기



    here을 클릭하여 OpenAI의 가입 페이지로 이동하여 새 계정을 만듭니다.

    계정이 생성되면 1개월 이내에 만료되는 일부 무료 크레딧이 제공됩니다. 따라서 그 달 안에 커버레터를 작성해야 합니다.

    2단계: 새 API 키 생성



    오른쪽 상단 모서리에 있는 계정으로 이동하여 "API 키 보기"를 클릭하면 새 키를 생성할 수 있는 페이지로 리디렉션됩니다. 이는 아래 스크린샷에서 확인할 수 있습니다. 계속해서 새 API 키를 만드십시오.



    3단계: 코딩 시간



    좋아하는 코드 편집기를 열고 저를 따라오세요. 5단계만 수행하면 됩니다.

    1) 먼저 필요한 라이브러리를 가져옵니다. 아마도 pip install openai 를 입력하여 openai 라이브러리를 설치해야 할 것입니다.

    import openai as ai
    import json
    


    2) 그런 다음 API 키를 변수로 추가합니다.

    ai.api_key = "YOUR_API_KEY_HERE"
    


    3) 그런 다음 GPT-3가 무엇을 생성해야 하는지 알 수 있도록 응답과 함께 몇 가지 샘플 입력이 포함된 텍스트 파일을 가져옵니다.

    with open("prompt.txt") as pro:
        prompt = pro.read()
    


    이 파일의 형식은 다음과 같습니다.

    Input: Generate a cover letter for a Management Consulting job at Goldman Sachs. 
    
    Output: Dear Hiring Manager,
    
    I would like .....
    
    Input: "Generate a cover letter for a Management Consulting job at ABC company."
    
    Output:
    
    


    마지막 줄에 출력을 공백으로 두면 알고리즘이 스스로 텍스트를 알고 채웁니다. 더 많은 입력/출력 조합을 추가함으로써 알고리즘은 생성할 항목을 더 잘 학습합니다.
    내가 사용한 전체 텍스트 파일은 찾을 수 있습니다here.

    4) 그런 다음 다음을 사용하여 모델을 만듭니다.

    returns = ai.Completion.create(
        engine="davinci", # OpenAI has made four text completion engines available, named davinci, ada, babbage and curie. We are using davinci, which is the most capable of the four.
        prompt=prompt, # The text file we use as input (step 3)
        max_tokens=100, # how many maximum characters the text will consists of.
        temperature=0.9, # a number between 0 and 1 that determines how many creative risks the engine takes when generating text.,
        top_p=1, # an alternative way to control the originality and creativity of the generated text.
        n=1, # number of predictions to generate
        frequency_penalty=0.5, # a number between 0 and 1. The higher this value the model will make a bigger effort in not repeating itself.
        presence_penalty=0.9 # a number between 0 and 1. The higher this value the model will make a bigger effort in talking about new topics.
    )
    


    이 함수가 사용하는 모든 매개변수는 주석으로 설명됩니다.

    5) 마지막으로 함수에서 반환되는 실제 텍스트를 가져와야 합니다. 이것은 다음 행을 사용하여 수행됩니다.

    text = returns['choices'][0]['text']
    print(text)
    


    1개 이상의 샘플을 반환하도록 선택한 경우(위의 함수에서 n>1로 설정) [0]를 해당하는 값으로 변경해야 합니다.
    인덱스.

    전체 코드:



    여기에 코드가 필요한 사람들을 위해 완전한 파일이 있습니다.

    import openai as ai
    import json
    
    ai.api_key = "YOUR_API_KEY_HERE"
    
    # Import text prompt
    with open("prompt.txt") as pro:
        prompt = pro.read()
    
    # The Model
    returns = ai.Completion.create(
        engine="davinci", # OpenAI has made four text completion engines available, named davinci, ada, babbage and curie. We are using davinci, which is the most capable of the four.
        prompt=prompt, # The text file we use as input (step 3)
        max_tokens=100, # how many maximum characters the text will consists of.
        temperature=0.9, # a number between 0 and 1 that determines how many creative risks the engine takes when generating text.,
        top_p=1, # an alternative way to control the originality and creativity of the generated text.
        n=1, # number of predictions to generate
        frequency_penalty=0.5, # a number between 0 and 1. The higher this value the model will make a bigger effort in not repeating itself.
        presence_penalty=0.9 # a number between 0 and 1. The higher this value the model will make a bigger effort in talking about new topics.
    )
    
    
    text = returns['choices'][0]['text']
    
    print(text)
    


    이것은 샘플 텍스트 파일과 함께 myGitHub repo에서도 찾을 수 있습니다.



    그게 다야!!!
    이것이 쉽고 유용하기를 바랍니다.

    당신이 그것을 즐겼기를 바랍니다 😄.

    즐거운 탐험!!

    좋은 웹페이지 즐겨찾기