▲ 썸네일을 누르면 1분 쇼츠로 이동합니다. 데이터 분석 업체 Similarweb이 Grok Bot 모바일 앱의 일간 사용자(DAU) 추정치를 공개했습니다. 10월 26일 기준으로 16일 연속 늘었고, 이 업체가 집계한 기간 중 가장 긴 증가 흐름이라고 밝혔습니다. 숫자를 읽을 때 꼭 알아 둘 점과 함께 정리했습니다. 무엇이 발표됐나 16일 연속 증가 : 10월 26일 기준, Grok Bot 일간 사용자가 16일 연속 늘었습니다(Similarweb 추정). 사용자 규모 : Similarweb 앱 기준 외부 추정치, 약 60만 명(10월 26일, 차트에서 읽은 값)입니다. 9월 초에는 10만 명이 채 안 됐습니다. 집계 범위 : 아이폰·안드로이드 앱, 전 세계 기준입니다. 웹 사용자는 들어 있지 않습니다. 숫자를 읽을 때 주의할 점 이 수치는 회사가 공식 발표한 것이 아니라 외부 업체의 추정치입니다. 앱만 집계했기 때문에 실제 전체 사용자 규모와는 다를 수 있습니다. 무료 요금제가 없다는 점 공식 요금표를 보면 Grok Bot은 유료 요금제에만 들어 있고, 무료 요금제는 없습니다. xAI 대표도 X에서 이 점을 짚었습니다. [해석] 무엇을 의미하나 이 부분은 위 사실을 바탕으로 한 개인적인 해석입니다. 무료로 써 볼 수 있는 길이 없는데도 앱 사용자 추정치가 꾸준히 늘었다는 점은 눈여겨볼 만합니다. 다만 외부 추정치이므로, 흐름을 보는 참고 자료 정도로 읽는 것이 좋겠습니다. 출처 Similarweb 게시물 (X) — 10월 26일 기준 16일 연속 증가, 일간 사용자 차트 무료 요금제 관련 게시물 (X) 공식 요금표 (x.ai/pricing) 1분 숏츠 보기 로 차트와 함께 확인해 보세요. 이런 정리가 도움이 된다면 리서처K 채널을 구독해 주시고, 생각을 댓글로 남겨 주세요. ※ 외부 업체의 공개 자료를 정리한 글이며, 회사 공식 수치가 아닙니다.
[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...