일론 머스크가 10월 20일(KST) @KettlebellDan 의 글을 인용하며 "True, try Grok @Bot" 이라고 썼습니다. 원글은 "템플릿을 찾기보다 새 봇을 만들어 필요한 걸 말하면 된다"는 게시물이었죠. 리서처K가 Grok Bot 에서 새 봇을 만드는 법과 템플릿이 무엇인지, 어떻게 가져오고 공유하는지 1분 쇼츠로 정리했습니다. ▶ YouTube에서 쇼츠 보기 머스크의 인용 게시물과 원글 머스크의 글은 답글이 아니라 @KettlebellDan의 글을 인용한 게시물 입니다. 원글 작성자는 사람들이 Grok Bot 템플릿을 자꾸 물어보지만, 그냥 새 봇을 만들어 필요한 걸 말하면 된다고 썼습니다. 원글에 나온 '마법 같다'는 표현은 원글 작성자의 개인 의견입니다. ① 새 봇 만들기 Grok Bot에서 New → Create new Bot 을 고르고, 할 일을 말로 적어 대화를 시작하면 됩니다. 별도 빌더 없이 메시지로 시작한다는 건 작성자 해석입니다. ② 템플릿이란 템플릿은 잘 만든 봇의 '레시피' 입니다. 봇의 지시·스킬·루틴·기억을 담지만, 개인·내부 기억과 비밀 정보는 포함되지 않습니다. ③ 템플릿 가져오기 Grok Bot 마켓플레이스에서 Add 를 누르거나 봇을 열어 Import Bot 을 고르면 내 계정에 사본이 만들어집니다. 만든 사람의 컴퓨터·로그인·대화 기록은 따라오지 않습니다. ④ 템플릿 공유하기 Share → Create template 으로 템플릿을 만들고, 공개 링크 또는 팀 전용으로 공유할 수 있습니다. 주의할 점 템플릿을 공유하기 전에 API 키와 개인 정보는 직접 삭제 하세요. 지시문 등에 적어 둔 내용은 그대로 따라갈 수 있습니다. Grok Bot과 AI 에이전트 소식을 빠르게 받아 보시려면 YouTube에서 리서처K 를 구독하고 좋아요를 눌러 주세요. 👉 이번 쇼츠 보기 출처 (확인일 2026-10-2...
[MS Bing의 한글 ChatGPT 검색 결과] 질문 "전자결재 서비스를 사용하는 고객에게 머신러닝을 적용하여 결재 할 문서를 자동으로 추천하는 시스템을 개발하고자 함. 절차와 방법?"
전자결재 서비스를 사용하는 고객에게 머신러닝을 적용하여 사용자가 결재할 문서를 자동으로 추천하는 시스템을 개발하고자 하는 것은 흥미로운 주제입니다. 절차와 방법에 대해 알려드리겠습니다. 먼저, 사용자의 프로필을 추출하기 위한 방법을 결정해야 합니다. 프로필은 사용자의 성향, 관심사, 행동 패턴 등을 반영하는 정보입니다. 프로필을 추출하는 방법은 여러 가지가 있습니다. 예를 들어, 콘텐츠 기반 추천 1 은 사용자가 이전에 결재한 문서의 내용과 유사한 문서를 추천하는 방식입니다 협업 필터링 2 은 사용자가 이전에 결재한 문서와 다른 사용자들이 결재한 문서 간의 관련성을 분석하여 추천하는 방식입니다. 다음으로, 머신러닝 모델을 선택하고 학습시켜야 합니다. 모델은 프로필과 문서 간의 상관관계를 학습하여 적절한 문서를 예측하고 순위를 매기는 역할을 합니다. 모델의 선택과 학습은 데이터의 특성과 목적에 따라 달라집니다. 예를 들어, 로지스틱 회귀 1 는 이진 분류 문제에 적합한 모델이며, 서포트 벡터 머신 1 은 다중 분류 문제에 적합한 모델입니다 딥러닝 2 은 복잡하고 비선형적인 관계를 학습할 수 있는 모델입니다. 마지막으로, 시스템을 평가하고 개선해야 합니다. 시스템의 성능을 평가하기 위해서는 적절한 평가 지표와 방법이 필요합니다. 예를 들어, 정확도 3 는 시스템이 올바른 문서를 얼마나 잘 예측하는지 측정하는 지표이며, 정밀도 3 는 시스템이 추천한 문서 중에서 실제로 결재된 문서의 비율을 측정하는 지표입니다. 시스템의 성능을 개선하기 위해서는 데이터 전처리, 파라미터 조정, 알고리즘 변경 등의 작업이 필요할 수 있습니다. 머신러닝을 적용하여 사용자가 결재할 문서를 자동으로 추천하는 시스템을 개발하기 위한 절차와 방법에 대해 충분히 설명드렸나요? 궁금한 점이 더 있으시면 말씀해주세요. 추가로 조금 더 구체적인 설명을 드리겠습니다. 콘텐츠 기반 추천 시스템을 개발하려면 문...