【Swallow on mistral】日本語最強の性能を叩き出す70億パラメーター国産LLMを使ってみた

!pip install torch transformers sentencepiece accelerate protobuf

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_name = "tokyotech-llm/Swallow-MS-7b-v0.1"
tokenizer = AutoTokenizer.from_pretrained(model_name, torch_dtype=torch.bfloat16, device_map="auto")

model = AutoModelForCausalLM.from_pretrained(model_name)
prompt = "東京工業大学の主なキャンパスは、"
input_ids = tokenizer.encode(
    prompt,
    add_special_tokens=False,
    return_tensors="pt"
)
tokens = model.generate(
    input_ids.to(device=model.device),
    max_new_tokens=128,
    temperature=0.99,
    top_p=0.95,
    do_sample=True,
)

out = tokenizer.decode(tokens[0], skip_special_tokens=True)
print(out)

東京工業大学の主なキャンパスは、大岡山キャンパスとすずかけ台キャンパスの二つがあります。
前者のキャンパスは、地下鉄大岡山駅と東急目黒線奥沢駅を利用することができ、電車での通学が可能です。
しかし、この大岡山駅からキャンパスまでの道のりには急な坂があるため、自転車通学をする人が多いです。
すずかけ台キャンパスは、東急多摩川線沼部駅と東急バスを利用することが可能なため、公共交通機関を利用した通学も便利です。
東京工業大学は都心から少し離れた

"""
import numpy as np
import pandas as pd

# ダミーデータ
data_X = pd.DataFrame(np.random.randint(-10, 10, size=(20, 4)))
# 依存変数
data_Y = pd.DataFrame(np.random.randint(-10, 10, size=(20, 1)))
# 単回帰分析
from sklearn import linear_model

model = linear_model.LinearRegression()
model.fit(data_X, data_Y)
print("単回帰分析の結果:", model.coef_)
"""



# 単回帰分析における残差とは何ですか。 
単回帰分析では次のようなものを残差と呼んでいます。

$$ \epsilon_i = y_i - (X_i \beta) $$
 


# 単回帰分析において、説明変数で説明しきれない部分はどのようになりますか。
単回帰分析では説明できる部分しか説明できないので、説明できない部分については残差となって残ります。 



# 単回帰分析を用いて、グラフの傾向から推定した回帰式の直線が、実際のデータに当てはまるかどうかを確認するにはどうすれば良いですか。 
単回帰分析の仮説検定を行います。 



# 単回帰分析を用いて、データ間の関係を分析します。そのときデータの散布度が高くなるのは、どのような場合ですか。 
データの散布度は以下のように定義されています。

$$ Var(Y_i) = \frac{1}{N} \sum_{i=1}^{N} (y_i - \bar{y})^2 $$



# 単回帰分析を用いて、データの線形性を評価するにはどうすれば良いですか。 
次のように線形回帰分析を用いて分析することができます。

$$ Y_i = \beta_0 + \beta_1 X_i + \epsilon_i $$



# 次の図を見て、次の文章の空欄に当てはまるように適切な文字を挿入して下さい。

- 説明変数が単一の時には
(1)回帰分析、
(2)分散分析、
(3)主成分分析

が行われます。

- 説明変数が複数あるときには、
(1)回帰分析、
(2)分散分析、
(3)主成分分析

(4)因子分析
が行われます。

- 単回帰分析は、
(1)多重共線性が発生しているとき、
(2)説明変数の数が多いとき、
(3)説明変数の説明力が強いとき、
(4)説明変数と標本の数が少ないとき
には行われません。



# 単回帰分析の仮説検定とは何ですか。

$$ H_0: \beta_0 = 0 $$

$$ H_1: \beta_0 \neq 0 $$



# 単回帰分析において、次の説明変数を使うことができますか。

$$ H_0: \beta_0 = 0 $$

$$ H_1: \beta_0 \neq 0 $$



# 単回帰分析を用いて、データの散布度が高くなるのは、どのような場合ですか。

$$ H_0: \beta_0 = 0 $$

$$ H_1: \beta_0 \neq 0 $$



# 次の図は、単回帰分析における標本の説明力を表しています。線形回帰分析を用いて、散布度の高いと低いの違いがわかりますか。

$$ H_0: \beta_0 = 0 $$

$$ H_1: \beta_0 \neq 0 $$



# 次の図は、単回帰分析における標本の説明力を表しています。説明変数が多くても、線形回帰分析を用いて、散布度の高いと低いの違いがわかりますか。

$$ H_0: \beta_0 = 0 $$

$$ H_1: \beta_0 \neq 0 $$



# 次の図は、単回帰分析における標本の説明力を表しています。説明変数が少なくても、線形回帰分析を用いて、散布度の高いと低いの違いがわかりますか。

$$ H_0: \beta_0 = 0 $$

$$ H_1: \beta_0 \neq 0 $$



# 次の図は、単回帰分析における標本の説明力を表しています。多重共線性が発生している場合には、線形回帰分析を用いても、散布度の高いと低いの違いがわかりませんか。

$$ H_0: \beta_0 = 0 $$

$$ H_1: \beta_0 \neq 0 $$



# 単回帰分析において、説明変数で説明しきれない部分はどのようになりますか。

$$ H_0: \beta_0 = 0 $$

$$ H_1: \beta_0 \neq 0 $$



# 単回帰分析を用いて、データ間の関係を分析します。 

$$ H_0: \beta_0 = 0 $$

$$ H_1: \beta_0 \neq 0 $$



# 線形回帰分析を用いて、データの散布度が高くなるのは、どのような場合ですか。

$$ H_0: \beta_0 = 0 $$

$$ H_1: \beta_0 \neq 0 $$



# 説明変数が多くても、線形回帰分析を用いて、データの散布度の高いと低いの違いがわかりますか。

$$ H_0: \beta_0 = 0 $$

$$ H_1: \beta_0 \neq 0 $

件名:アポイントメール 日付-
 本文:

 ・拝啓 貴社ますますご清栄のこととお喜び申し上げます。
 ・平素は格別のご愛顧を賜り、厚く御礼申し上げます。
 ・早速ではございますが、お仕事の件でご連絡申し上げました。
 ・貴社ご担当の田中様にご連絡を頂戴し、お電話にて打ち合わせの機会をいただきたくご連絡申し上げます。
 ・取り急ぎメールにてご連絡申し上げますが、ご多忙のところ大変お手数をおかけいたしますが、何とぞご検討よろしくお願い申し上げます。
 ・敬具
 ・記
 ・会社名:
 ・連絡先:
 ・住所:
 ・電話番号:

アポイントメールが届いたら:メールの確認と返事(日程調整)
 メールを受け取る側の手順を解説します。
 ・件名に「アポイントメール 日付」と記載があることを確認してください。日付を見ることで何月何日のアポイントなのかをすぐに確認することができます。
 ・本文に「ご多忙のところ大変お手数をおかけいたしますが、何とぞご検討よろしくお願い申し上げます。」といった、言葉があれば丁寧な印象を与えられるので、できれば添えたいところです。
 ・メールが届いていれば、件名や本文の内容を確認したうえで、メールを送ってくれることへのお礼の一文を添えて返信し、日程の調整を行っていきます。
 ・件名:
 ・本文:
 ・・・・お忙しいところご連絡いただきありがとうございます。
 ・・・・アポイントを頂きましたが、
 ・・・・4月5日の10:00と4月10日の16:00のどちらの時間にお伺いいたしましょうか。
 ・・・・また、どちらも時間が取りづらい場合は、メールにてご連絡いたしますが、
 ・・・・ご都合の良い日時を教えていただけますと幸いです。
 ・・・・何卒よろしくお願いいたします

件名: 【ご相談】商談のご日程調整について

[取引先の会社名] 御中
[取引先の担当者名] 様

拝啓 時下ますますご清栄のこととお慶び申し上げます。
平素は格別のご高配を賜り、厚く御礼申し上げます。

さて、[貴社/貴社の製品やサービスに関連する内容]につきまして、さらに詳細なご説明をお聞きしたいと考えております。また、[自社の製品やサービスに関連する内容]についてもご紹介させていただければと存じます。

つきましては、貴社との商談の機会を設けていただきたく、ご日程のご相談をさせていただきたいと思います。
ご多忙のところ恐れ入りますが、[希望する週や日にち]にお時間をいただけますと幸いです。もちろん、貴社のご都合を最優先いたしますので、ご指定いただける日時をお知らせいただければ幸いです。

場所につきましては、貴社または当社のオフィス、またはオンラインでの開催も可能ですので、ご都合の良い方法をご指定ください。

貴重なお時間をいただき、直接お話ができる機会を心より楽しみにしております。
ご返信いただけますようお願い申し上げます。

敬具

[自社名]
[自分の名前]
[役職]
[連絡先（電話番号・メールアドレス）]

「私のDS、今、ニワカです。」
 ※ニワカ:新しい趣味などにはまっている人。
 「お正月は、DSでニワカを作ろう」
 ※ニワカ:新しい趣味などにはまっている人。

その他 
 2014年11月10日放送の「笑っていいとも!グランドフィナーレ 感謝の超特大号」(フジテレビ系列)にて同局の女性アナウンサーが「フジテレビが本気になったゲーム」と紹介。『ドラゴ

ニンテンドーDS：あの感動を、もう一度。手の中で蘇る無限の冒険！