【Azure Open AI】GPT-4o miniを触る

やること

Azure open AI上でGPT-4o mini を触ってみる

GPT-4o mini

ザックリ、GPT-4oの1/25のコスト、3.5turboの1/3のコスト感。安い！

https://note.com/npaka/n/nd985687d6cb1?sub_rt=share_h

https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/

Azureで触るには？

• Azure Open AI ServiceをEast US or West US3にDeployしていること

https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/models?WT.mc_id=dotnet-8948-machiy#early-access-playground

検証手順

1. Azure Open AI Serviceを開く
2. 早期アクセスのプレイグラウンド をクリックする
   
3. GPT-4o mini(preview) をクリックする
   

触ってみる

最初１秒ぐらい止まりますが、そのあとは一気に出力されました。
おおよそ2-3秒ぐらい。

最初１秒ぐらい止まりますが、そのあとは一気に出力されました。
おおよそ4-5秒ぐらい。

もちろんです！以下は、Pythonを使用したデータの探索的データ分析（EDA）の基本的なサンプルコードです。このコードでは、pandas、matplotlib、seabornを使用してデータを読み込み、基本的な統計量や可視化を行います。

まず、必要なライブラリをインストールしておきましょう。

pip install pandas matplotlib seaborn  
 
次に、以下のサンプルコードを参考にしてみてください。

import pandas as pd  
import matplotlib.pyplot as plt  
import seaborn as sns  
  
# データの読み込み  
# ここでは例としてCSVファイルを読み込む  
df = pd.read_csv('your_dataset.csv')  
  
# データの基本情報を確認  
print("データの先頭5行:")  
print(df.head())  
print("\nデータの情報:")  
print(df.info())  
print("\n基本統計量:")  
print(df.describe())  
  
# 欠損値の確認  
print("\n欠損値の確認:")  
print(df.isnull().sum())  
  
# カテゴリカル変数の可視化  
plt.figure(figsize=(10, 6))  
sns.countplot(data=df, x='categorical_column_name')  
plt.title('Count of Categorical Variable')  
plt.xticks(rotation=45)  
plt.show()  
  
# 数値変数のヒストグラム  
plt.figure(figsize=(10, 6))  
sns.histplot(df['numerical_column_name'], bins=30, kde=True)  
plt.title('Distribution of Numerical Variable')  
plt.show()  
  
# 数値変数間の相関行列  
plt.figure(figsize=(12, 8))  
correlation_matrix = df.corr()  
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt='.2f')  
plt.title('Correlation Matrix')  
plt.show()  
  
# 散布図行列  
sns.pairplot(df)  
plt.title('Pairplot of the DataFrame')  
plt.show()  
 

使い方
your_dataset.csvを分析したいデータセットのファイル名に置き換えてください。
categorical_column_nameやnumerical_column_nameは、データフレームに存在する実際の列名に置き換えてください。

このコードは、データの基本情報、欠損値、カテゴリカル変数の分布、数値変数の分布、相関行列、散布図行列を可視化するための基本的な流れを示しています。必要に応じて、さらに詳細な分析や可視化を追加してみてください。

問題ない

まとめ

GPT-4o miniを軽く触ってみました。
レスポンスが速いです。リアルタイム性を求められるプロダクトにハマりそう。
Azure open AIでAPIとして使えるようになったら、何か面白いものでも作ろうかなと。