Data-Centric FinGPT: Open-source for Open Finance.

We democratize Internet-scale data for financial large language models (FinLLMs) at FinNLP and FinNLP Website

Why FinGPT?
1). Finance is highly dynamic. BloombergGPT retrains an LLM using a mixed dataset of finance and general data sources, which is too expensive (1.3M GPU hours, a cost of around $5M). It is costly to retrain an LLM model every month or every week, so lightweight adaptation is highly favorable in finance. Instead of undertaking a costly and time-consuming process of retraining a model from scratch with every significant change in the financial landscape, FinGPT can be fine-tuned swiftly to align with new data (the cost of adaptation falls significantly, estimated at less than $416 per training).

2). Democratizing Internet-scale financial data is critical, which should allow timely updates (monthly or weekly updates) using an automatic data curation pipeline. But, BloombergGPT has privileged data access and APIs. FinGPT presents a more accessible alternative. It prioritizes lightweight adaptation, leveraging the strengths of some of the best available open-source LLMs, which are then fed with financial data and fine-tuned for financial language modeling.

3). The key technology is "RLHF (Reinforcement learning from human feedback)", which is missing in BloombergGPT. RLHF enables an LLM model to learn individual preferences (risk-aversion level, investing habits, personalized robo-advisor, etc.), which is the "secret" ingredient of ChatGPT and GPT4.

https://github.com/AI4Finance-Foundation/FinGPT

'좋은 커리어를 만난 분들'의 공통점이 있는 듯 하다. 정리해 보자면...

1. 한 회사에서 최소 3년 이상은 꾸준히 업무하며 impact 을 만들어 낸, 결국 좋은 커리어를 만난다. 회사에서의 성과는 만들어 내는 데에 최소 3년 이상은 소요되기 때문이다.

2. 주로 상사에게 인정받는 사람 보다는, 함께 실무하는 사람들 및 다른 팀 사람들에게까지 인정받는 분들이 좋은 커리어를 만난다. 역량, 성실/노력, 겸손/인성, 소통력이 좋은 커리어를 만나기 위한 키워드이기 때문이다.

3. 이직에 별 관심 없는 분들이, 오히려 더 좋은 커리어를 만난다. 회사에서 찾는 인재는, 이직에 관심이 많고 더 좋은 기회를 수시로 탐색하는 사람 보다는, 본인이 소속된 회사에서 누구보다 잘 일하고 있고, 인정 받고 있고, 하루하루 성실히 열심히 노력하고 있는 사람이기 때문이다.

4. 단기적 관점이 아닌, 장기적 관점에서 사람과 인연을 중시하는 사람이 좋은 기회를 만난다. 좋은 커리어 기회는 보통 좋은 사람으로부터 이어져 나오는 경우가 대부분인데 (회사에서 인재를 찾을 때, 보통 소수의 좋은 사람들에게 '어디 좋은 분 없어요?' 물어보기 때문이다), 주변 사람들에게 '일도 잘하고 commitment 도 훌륭한 좋은 사람'으로 기억되어 있어야, '어.. 저 생각나는 사람이 있는데 한 번 물어볼께요!!' 에 들어갈 수 있기 때문이다.

5. 다른 사람들에게 잘 나누는 분들이, 더 좋은 기회를 만난다. 생각을 나누고, 인사이트를 나누고, 경험을 나누고, 인연을 나누고, 시간과 음식을 나누는 분들이 좋은 커리어를 이어 나가는 경우를 자주 본다. 커리어에는 작용-반작용 법칙이 성립하는데, 내가 먼저 공유하며, 그 공유 과정에서 스스로 배울 수 있을 뿐 아니라, 그 이상의 것을 공유 받기도 하기 때문이다. 그런데, 이 나눔을 특정 기간에만 하는 것이 아닌, 오래, 꾸준히 하는 것이 중요하다. 그렇게 하기 위해서는, 나누는 과정 자체를 좋아하고 또 즐겨야 한다 (좋아하지 않으면 꾸준히 하기 어렵다). 그런 사람 주변에는 좋은 기회가 몰리고, 그 좋은 기회를 다른 사람에게 또 나누기 때문에 좋은 사람들이 모여들고, 그렇게 의미있는 관계의 집단이 형성된다.

6. Framework 을 바탕으로 이것 저것 판단하는 사람보다는, 삶의 의사결정이 단순한 분들이 더 좋은 기회를 만난다. 커리어 관점에서의 정말 좋은 기회는, 처음에는 객관적으로 좋아 보일 수 없기 때문이다. 그 기회를 take 하기 위해서는, '내가 정말 중요하게 생각하는 것'에 대한 기준이 정립되어 있어야 하는데, 보통 이런 기준은 몇 번의 실패 또는 시행착오를 통해 형성되는 경우가 많다.

https://brunch.co.kr/@seunghoon82/230?fbclid=IwAR3abuEmdz34d4vCWMX3-8SyItItj4o-N2cccqk1AXtDRyF83T5UBHOvAko_aem_AThxv58fYfRZamwWe-xEtgEpI1FOiOu2_tMym8oh8WxGBUq7Vx52UMLYOte7otgrxX0&mibextid=Zxz2cZ

Just as LLM Infra was created after a use-case like ChatGPT came out, I think that if various experiments using Auto Agent and PMF found services come out, then Infra for Auto GPT will be laid down.

https://www.sequoiacap.com/article/llm-stack-perspective/

1. Nearly every company in the Sequoia network is building language models into their products.
We’ve seen magical auto-complete features for everything from code (Sourcegraph, Warp, Github) to data science (Hex). We’ve seen better chatbots for everything from customer support to employee support to consumer entertainment. Others are reimagining entire workflows with an AI-first lens: visual art (Midjourney), marketing (Hubspot, Attentive, Drift, Jasper, Copy, Writer), sales (Gong), contact centers (Cresta), legal (Ironclad, Harvey), accounting (Pilot), productivity (Notion), data engineering (dbt), search (Glean, Neeva), grocery shopping (Instacart), consumer payments (Klarna), and travel planning (Airbnb). These are just a few examples and they’re only the beginning.

혼자 있는 시간의 힘 : 무리 지어 다니며 성공한 사람은 없다] (6.24.토)
페르소나 B "동료와 친구들에게 둘러싸이다 가끔 혼자 있는 시간이 되면 어색하다"
1. 고독은 나쁜 걸까? (편견에 의문 던지기)
저자 경험을 근거로 제시 "창조적인 일을 위해선 반드시 혼자만의 시간이 필요하다."
2. 자기력이 필요하다: 성장의 연료 (자기력이란 낯선 용어 사용)
고독의 두 가지 종류 -> 자기력 설명 -> 다른 분들 예시
Q예시로 든 분들이 모두 작가인데, 다양한 분야의 사람들을 예시로 들면 더 좋았을 거라 생각해요!
3. 침잠의 가치 : 몰입의 힘 (침잠=몰입)
침잠 용어 설명 -> 젊을 때부터 연습 필요
4. 혼자일 줄 아는 사람이 함께할 줄도 안다 (너 자신을 알라)
고독의 역설 -> 독서는 작가와의 소통
5. 혼자 있는 시간을 성공의 발판으로 삼아라 (위기를 기회로)
고독은 또 다른 기회
세 줄 요약
1) 창조적인 일을 위해선 반드시 혼자만의 시간이 필요하다
2) 그 시간을 침잠하듯 자신이 원하는 일에 몰입하며 보내라
3) 그 시기가 미래를 위한 '도약대'가 될 것이다

Reddit에서 유용한 정보를 발견해서 옮겨 왔습니다. 인공지능 프레젠테이션 툴입니다.
Plus AI로 이 글을 copy-paste해서 슬라이드를 만들어 보았는데.. 미쳤네요..
https://docs.google.com/presentation/d/1KHgDw-MZlzklOCsKkCgUcyGRffhBDoNbRdXxLaN1E90/edit?usp=sharing
---
GPT를 활용하여 시각적인 프레젠테이션/슬라이드를 생성하는 도구들 중 제가 가장 좋아하는 것들을 공유하려 합니다. 아주 고품질의 결과물을 원한다면 이 도구들이 수동 작업을 완전히 대체하지는 못할 것입니다. 하지만, 그럼에도 불구하고 이 도구들은 90%의 작업을 대신해줄 수 있습니다.
Plus AI for Google Slides - 업무용; 생데이터로 즉석에서 프레젠테이션 생성
Google Slides 프레젠테이션을 자동화하고 향상시키는 데 훌륭한 도구입니다. Plus AI는 프레젠테이션에 대한 간단한 설명으로 시작하면 AI가 개요를 생성하며, 이를 사용자의 요구에 맞게 조정할 수 있습니다. 또한, 웹 콘텐츠에서 ‘스냅샷‘을 생성하여 이를 슬라이드나 문서에 한 번의 클릭으로 삽입하고 업데이트할 수 있습니다. 이 기능은 팀 회의나 프로젝트 보고서 작성 시 준비 시간을 크게 줄여주어 매우 유용합니다. 이 도구는 Google Marketplace에서 GSlides 애드온으로 무료로 사용할 수 있습니다.
Tome - 비즈니스 스토리텔링에 적합
간단한 프롬프트를 기반으로 한 내러티브를 생성하고, 이를 프레젠테이션, 개요, 또는 이미지와 텍스트를 포함한 이야기로 변환합니다. 동적이고 반응성 있는 프레젠테이션을 생성하는 데 매우 효과적이었으며, AI가 자동으로 출처를 인용하거나 컨텐츠를 다른 언어로 번역하는 것이 매우 편리했습니다. 설립자, 경영진, 교육자 등이 매력적인 이야기나 프레젠테이션을 제공해야 하는 모든 사람에게 직관적인 도구입니다. 제품 모형이나 데이터와 같은 실시간 상호작용 콘텐츠를 페이지에 직접 포함시키는 기능이 눈에 띕니다. 이 도구는 웹 앱으로 무료로 제공되며, Figma, YouTube, Twitter, GSheets 등의 앱과 통합이 가능합니다.
STORYD - 비즈니스 스토리텔링, 스크립트 생성기
이 도구는 제가 데이터 프레젠테이션을 접근하는 방식을 완전히 혁신시켰습니다. 주제에 대한 간단한 요약을 제공하면, StoryD는 AI를 활용하여 1분 이내에 프레젠테이션을 스크립트하고 디자인하고 생성합니다. 이 도구는 시간을 많이 절약해주는데다, 내장된 ‘스토리텔링 구조’를 통해 제 데이터의 전달력과 영향력을 향상시킵니다. 테마, 글꼴, 색상, 다양한 레이아웃 옵션 등의 커스터마이징 옵션도 매우 유용합니다. 무료로 제한된 베타 버전은 일반 사용자에게 충분하며, 월 18달러의 프로 버전은 팀 협업과 실시간 편집과 같은 유용한 기능을 추가합니다. 웹 앱으로 제공됩니다.
beautiful.ai - 시각적으로 매력적인 슬라이드 생성
자주 프레젠테이션을 생성하는 누구에게나 시간을 크게 절약해주는 도구입니다. Beautiful.ai는 스마트 슬라이드 템플릿의 광범위한 컬렉션을 제공하며, 이를 활용하여 빠르게 의미있는 프레젠테이션을 구축할 수 있습니다. 이 도구는 내가 그래픽 디자인 경험이 없어도 내용을 자동으로 정렬하고 디자인하는 능력이 매우 인상적입니다. 또한 타임라인, 판매 퍼널, SWOT 분석 등 다양한 요구사항에 맞는 슬라이드 템플릿을 제공합니다. 무료 시험판은 서비스에 대한 이해를 충분히 얻는 데 충분하며, 유료 플랜은 월 12달러부터 시작합니다. 이 도구는 웹 앱으로 제공되며, 클라우드 플랫폼 (예: Dropbox 및 Google Drive)과 통합됩니다.
Albus - 지식 프레젠테이션/카드/맵
지식과 사실에 대한 전형적인 상호작용 방식을 바꾸어, 주제에 대한 문제와 프롬프트로 시작하여 사실 카드를 생성하고, 이를 다른 카드와 이미지로 확장시킬 수 있습니다. 이를 통해 새로운 관점과 각도를 열어주며, 주제를 탐구하고 질문하며 이해를 자연스럽게 확장할 수 있습니다. 보드를 구성하는 데 노트와 이미지를 추가하는 기능은 경험을 더욱 풍부하게 만들어줍니다. 공유할 때 Albus AI가 제어된 콘텐츠 프레젠테이션을 촉진하는 방식도 좋습니다. Albus AI를 사용하면, 학습은 물론이고 발견의 여행에 대해서도 생각해 볼 수 있습니다. 이 도구는 웹 앱으로 제공되며, 현재 베타 버전입니다.
Decktopus - 업무/비즈니스용 전반적으로 좋음, “마이크로사이트” 생성
Decktopus AI는 프레젠테이션 제작의 번거로움을 줄여줍니다. 주제를 입력하면 순식간에 완전한 데크를 생성하므로, 제가 빠른 반응이 필요할 때 매우 유용합니다. 원클릭 디자인 기능과 자동 조정 레이아웃은 커스터마이징 과정을 단순화해주며, 수동 조정의 고충을 덜어줍니다. 이미지 & 아이콘 제안, 맞춤형 슬라이드 노트, 추가 콘텐츠 생성 등의 내장 도구들이 프레젠테이션 생성 과정을 더욱 간편하게 해줍니다. 음성 녹음과 실시간 청중 피드백 수집과 같은 추가 기능은 제 프레젠테이션을 새로운 수준으로 끌어올려줍니다. 빠르고 전문적인 프레젠테이션을 위해선 Decktopus AI가 제 최선의 선택입니다. 이 도구는 LinkTree와 랜딩 페이지 사이의 복잡도를 가진 마이크로사이트를 생성하는 것도 처리할 수 있습니다. 이 도구는 웹 앱으로 무료로 제공됩니다.
Gamma - Decktopus의 좋은 대안
Gamma는 문서의 깊이와 슬라이드의 시각적 매력을 결합한 새로운 접근 방식을 제공하며, 효율성을 위해 AI가 지원합니다. 아이디어를 빠르게 초안으로 만들 수 있게 해주며, 그 결과물은 시각적으로 매력적이고 쉽게 이해할 수 있는 프레젠테이션입니다. 이 도구는 웹 앱으로 무료로 제공되며, 광고가 포함되어 있습니다.
이들 도구는 프레젠테이션 생성에 대한 기존 접근법을 혁신하고, 프로세스를 빠르고 효율적으로 만들어주기 때문에 매우 추천합니다. 여러분의 특별한 요구사항에 따라 한 도구가 다른 도구보다 더 적합할 수 있습니다. 또한 이러한 도구들은 끊임없이 발전하고 있으니, 가능하다면 다양한 도구를 시도해보는 것도 좋습니다.
출처: https://www.reddit.com/r/ChatGPT/comments/14h2656/here_are_some_ai_tools_you_can_use_for/?utm_source=share&utm_medium=ios_app&utm_name=ioscss&utm_content=1&utm_term=1

It’s thrilling to see founders from our earliest-stage Arc investment to Zoom all laser focused on the same thing: delighting users with AI.

이런 글 읽으면서 세상을 더 넓게 바라봐야겠다는 다짐을 하곤 한다.
중국의 생산자 물가 지수가 -3% 이하 구간에 큰 기회가 있다.

https://m.blog.naver.com/gaajur/223115616470

속전속결 핀테크 유니콘.

핀테크로 창업하고 1년이 되지 않아서 유니콘이 된 곳이 있습니다.

Pacaso는 유니콘이 되는 데 겨우 174일, Magic Eden은 277일, Zebec은 301일 걸렸습니다. Pacaso는 부동산 중계회사입니다. Magic Eden은 NFT 마켓플레이스입니다. Zebec은 블록체인 기반의 실시간 지불시스템을 만들었습니다.

이 세 회사는 모두 실리콘밸리에 자리를 잡고 있습니다. Magic Eden과 Zebec은 암호화폐 유니콘 기업이고, Pacaso는 결제 등에 암호화폐를 허용합니다.

Zebec 창업자 Sambhab Thapaliya는 이제 겨우 24살인데 네팔에서 공부하려고 미국으로 건너가 실리콘밸리의 Menlo College에 2017년 입학했고 거기서 그는 그의 첫 회사인 ASMI의 개념을 착상하여 그 대학에서 2020 Entrepreneurship and Innovation Award를 받습니다. 2021년에는 Zebec을 창업했습니다.

세상이 어떻게 돌아가는지 알아볼 필요가 있습니다.

This is the night that this phrase comes to mind.

1. Your friends can help you see what you cannot see.
2. I will help them and they help you and we can do better and go further.
3. I have hundreds of friends, mentors.
4. Friends let you help them. Friends had a full trust and faith to me via conversation which make me I am a worthy person.

1. Make friendship with high priority
2. Make concious good friendship. Make a rituals. Talk about what friendship is and how to improve this.
3. Share what you want and your dream to friends.
4. Friends tell you not what you want but what I need to do.
5. Life is most fullfilling teamsports

최인아 대표님의 '내가 가진 것을 세상이 원하게 하라' 책에 이런 구절이 나온다. 2007년 한 신문에 기고했던 글의 내용이라고.
"젊기는 쉽다. 모두 젊다, 처음엔. 늙기는 쉽지 않다. 세월이 걸린다. 젊음은 주어진다. 늙음은 이루어진다. 늙기 위해선 세월에 섞을 마법을 만들어내야 한다."
이 구절을 보고 예전에 읽었던 한 문장이 떠올랐다. '젊다'는 형용사인데, '늙다'는 동사라는 문장. 그렇기에 사람마다 어떻게(어떤 모습으로) 늙어갈지 개인이 선택할 수 있고, 그 선택에 따라 만들어 간 것이 자신의 '늙은 모습'이라는 것.
자신의 '늙음'이 '늙어버렸다'라는 단어로 표현되는 것이 아니라, 어떤 모습으로 늙어가고 싶은지에 대해 생각하고 그것을 적극적으로 이루려고 한 결과로써 '늙음'을 바라볼 수 있다면, 걱정의 대상이 아니라 설렘의 대상으로 늙음을 바라볼 수도 있겠다는 생각이 들었다.
그런 의미에서 이 책은, 누군가에겐 자기 계발서겠지만, 자신을 충분히 사랑하는 사람이 되자는 것과 그렇게 하기 위해 가져야 하는 태도를 얘기하는 삶의 철학에 대한 이야기이다.

Welcome To the Era of LLMOps: Arize:Observe 2023 https://youtu.be/55y1GMEnoSw?list=PL86ARIu_ElO6BgtB6w3JtKJDBGOWUAtHr

Picking Teams in AI

Yesterday, Databricks announced its intent to acquire Mosaic for $1.3b. Perhaps not coincidentally, Snowflake announced a deepened partnership with Nvidia to offer customers models & training on Nvidia’s Nemo platform.
Clouds are picking teams in one of the most important dislocations in software.
Cloud <- -> LLM Infrastructure
Microsoft <- -> OpenAI
Snowflake <- -> Nvidia
Databricks <- -> Mosaic
Google <- -> Anthropic
Oracle <- -> Cohere
Amazon <- -> HuggingFace
Microsoft has invested over $10b, plus significant development efforts to work with OpenAI. In addition, Microsoft & Snowflake announced a deeper AI go-to-market partnership with Snowflake.
Snowflake’s partnership with Nvidia positions Snowflake’s cloud as a broader infrastructure platform.
DataBricks, whose business revolves around Spark operating in customer environments, has announced plans to acquire Mosaic, a vertically integrated model training & management system that functions on similar workloads.
Google has invested hundreds of millions into Anthropic, complementing its efforts with Google Brain.
Oracle has paralleled Microsoft’s OpenAI partnership with Cohere, investing & seeking to build a product for Oracle’s cloud with Cohere.
Amazon has announced HuggingFace LLMs on their Sagemaker product, embracing the open-source community.
Cloudflare, which has seen tremendous interest in its R2 storage product for model training because of a lower cost storage infrastructure, had partnered with Mosaic. It’s unclear how the Databricks acquisition might change that relationship.
Cloud infrastructure players are picking teams within the infrastructure layer. Most major cloud players have picked an LLM partner & perhaps will choose multiple.
For startups building LLM-based applications & infrastructure, this alters the calculus of selecting a cloud. Five years ago, many startups defaulted to AWS for the generous credits, broad catalog, & rapid pace of innovation.
LLM-enabled apps require customer data to train, propelling data security to the top of the list for most enterprise buyers. Startups may begin to pick clouds to reach a particular class of customer, the security promises the underlying platforms provide, & then available algorithms & cost.
Access to particular models may be a consideration, but given the rapid advances in open-source that advantage will likely erode over time.

https://tomtunguz.com/ai-consolidation/

Economic Uncertainty Elevates Importance of Machine Learning Observability Arize

https://news.hada.io/topic?id=9520&utm_source=discord&utm_medium=bot&utm_campaign=4
LLM의 등장으로 Vector 형식의 데이터 수송신이 JSON처럼 대중화될 것이라는 주장