- The speaker mentions placing a $1000 bet on the Seattle Kraken hockey team.
- They introduce their sports betting bot called odzJam, which uses real data to identify betting opportunities.
- The bot can help users make money by identifying market discrepancies and offering positive expected value bets.
- They offer a 7-day free trial and a 90-day money-back guarantee for their product.
- The speaker discusses using Twitter data to gauge public sentiment towards the Seattle Kraken's match against the Dallas Stars.
- They mention using historical data on player performance to make predictions.
- The tutorial will cover building a sports betting bot using Node.js, MongoDB, OpenAI, SNS Scrape, Puppeteer, and Stats Head.
- They will also use ChatGPT and Bing for predictions and data retrieval.
- The speaker explains the process of setting up the necessary dependencies and obtaining API keys.
- They mention customizing the chat-GPT clone for sports betting purposes.
- The tutorial will cover integrating web data, Twitter sentiment analysis, and live betting odds from OddsJam.

- The speaker discusses using data from OzGem and Puppeteer to build a custom browser
- They demonstrate how to open a browser, navigate to a website, and extract article URLs
- Bing is used to read 10 articles and determine the optimal bet for a sport
- The speaker mentions using StatsHead for real-time updated sports data
- They show a notebook example for MLB and mention using Selenium for web scraping
- The data can be exported as CSV and used to train a custom model
- The speaker concludes by mentioning future projects and thanking viewers for watching

I Gave $1000 to my Sports Betting Bot powered by OddsJam, use code SIRAJ20 to get 20% off your subscription using the link below: https://oddsjam.com/?ref=ntjlnwv . First, a disclaimer - Do NOT invest any money in any type of trading bot or algorithmic engine that you are not willing to lose. I gave this trading bot $1000 because I was willing to lose $1000 to make a great video for my AI Wizards out there. This tutorial uses NodeJS to build a web app, MongoDB to store the data, OpenAI to create a natural language interface to data, SNScrape to pull Twitter data for free, OddsJam for +EV sports bet data, Puppeteer to scrape data, StatHead for historical sports data, ChatGPT & Bing for building an MVP.

Please Subscribe! That's what keeps me going. 

Code for this video: 
1. Twitter Scraping + Sentiment: https://colab.research.google.com/drive/1UtibjMGUEaAj1zL0WvKwHZLgRTXZ3rrw?usp=sharing 
2. ChatGPT Clone:
https://github.com/danny-avila/chatgpt-clone
3. OddsJam scraping code:
https://gist.github.com/llSourcell/efee4aaff3c469f5232875457c60cffd
4. Stathead scraping code:
https://github.com/gszwabowski/MLB-StatHead-Scraping/blob/main/MLB_StatHead_Scraping.ipynb

Want more AI/ML education? Connect with me here:
Twitter: https://twitter.com/sirajraval
Instagram: https://www.instagram.com/sirajraval
Facebook: https://www.facebook.com/sirajology
Linkedin: https://www.linkedin.com/in/sirajraval/

I Built another Sports Betting Bot with ChatGPT:
https://www.youtube.com/watch?v=IDthta5sUGQ

I Built a Trading Bot with ChatGPT:
https://www.youtube.com/watch?v=fhBw3j_O9LE

I Built a Trading Bot with Bing and ChatGPT:
https://youtu.be/5G1_zRME_pY

Watch ChatGPT Build an AI Startup:
https://www.youtube.com/watch?v=hL2hLFUwuqQ

Watch ChatGPT Build a Finance Startup:
https://www.youtube.com/watch?v=on623d5EfPw

Learn Machine Learning in 3 Months:
https://www.youtube.com/watch?v=dS2HYPY7T-4

Join the discord:
https://discord.gg/zgEJxeYA2X Join my AI community: http://chatgptschool.io/

Cześć świata, tu Siraj I kłamię 1000 dolarów na Seattle Kraken.

To jest drużyna z hockey'a, część NHL, ponieważ mój bot sportowy, który nazywam odzGPT, powołany odzJam, mi to powiedział.

A zanim do niego przejdę, chciałbym szybko powiedzieć o odzJam.

OdzJam to najlepsza aplikacja do kłamienia sportowego.

Uwielbiam danych, uwielbiam was, odzJam uwielbia danych.

Z ponad 190 książek o sportach I realnym danych odsłonem OddsJam jest w stanie zauważyć niebezpieczeństwa w markecie, które możecie wykorzystać.

OddsJam sprawia, że jest to sport, który jest wystarczająco wyższy, gdy używa się tych samych technik które inwestorzy I tradycy używają do wygrywania w sklepie.

Zmiana OzGem pozwala ci zrobić pieniądze bez ryzyka zidentyfikując możliwości, gdzie możesz wziąć pieniądze na obu stronach rynku I uzyskać pieniądze, nie ważne co.

Mamy również pozytywne, oczekiwane wartości, które zidentyfikują bety, gdzie jeden sportsbook zrobił błąd, gdy ustalili swój ceny, w porównaniu z resztą rynku.

Ozgen sprawia, że łatwo jest zapłacić za następny wieczór lub wakacje z twoimi profilami betowymi.

Oferują obozie 7-dniowym, wolnym próbiem I 90-dniowym zawartościem pieniędzy, ponieważ wiedzą, że ich produkt działa.

Jeśli chcesz dać im próbę, użyj kodu SIRAJ20, aby otrzymać 20% od subskrypcji używając linku poniżej.

to znaczy pozytywny, oczekiwany wartość, sportowe bety, do wykonania dzisiaj dla NHL.

W zasadzie to, co robi, to używa bezbronnego skryta browserowego.

Nie martw się, jeśli nie rozumiesz tego.

Używa bezbronnego skryta browserowego w Javascript, aby wyciągnąć dane od odzysku o tym, jakie są sportowe bety, które oni robią, używając wszystkich swoich wewnętrznych narzędzi.

I potem to wyciągnie 5 najwyższych betów EV jak widać w listach zamówionych I wyjaśni to bardzo prosto, tak samo.

Teraz, po tym, że mamy to, możemy powiedzieć, że ok, świetnie.

Jak ludzie czują o Seattle Kraken przeciwko matchu Dallas Stars dzisiaj?

I co to będzie robił, I to jest jedną z moich ulubionych części tego, to to będzie wyciągnął te dane z Twittera.

Teraz, Możecie lub nie wiedzieć, że Elon zrobił Twitterowi 100 dolarów w miesiącu, żeby wyciągnąć tweety dla hobbystów.

Nie chcemy tylko płacić 100 dolarów w miesiącu, więc użyjemy sprzętu, by wyciągnąć dane z Twittera.

To wyciągnie dane z Twittera I powie nam, że dzisiaj jest to procentowość, z jaką ludzie są pewni, że Kraken wygra.

Ostatni pomysł, który daję na tę demo, zanim zaczynamy budować, to jak prawdopodobnie zbieramy zawodnika z Seattle Cracking.

Ryan Donato będzie zabił się w tym sezonie.

Co on tu robi, to wyciąga historiczny datatyk z wszystkich funkcji Ryan Donato dla każdego meczu jak jego liczbę złożeń, liczba zwycięstw liczba, wiesz, wyników I to wszystko.

I to w prawdziwym czasie z tym, co nazywa się w kontekście nauczania, zrobimy przewidzenie używając tego danych.

W tym tutorialu zaczniemy od bardzo prostego botu, w wersji 1 jest to Twitter Sentiment Bot, który wyciąga dane z Twittera, to wszystko w drugiej wersji dodamy do tego możliwość wyciągania z Webu pozytywne, oczekiwane wartości z odziałem czyli plus EV Web Crawler, a w trzecim I ostatnim wersji dodamy możliwość wyciągnięcia wszystkiego tego realnego, historycznego danych o sportach z Web I wtedy zrobimy kustomowe przewidzenia używając tego danych.

Na przykład pytam, czy 10 gracz jest zniszczony czy jak prawdopodobnie to się wydarzy I używa historycznego danych, żeby to zrobić.

I to się wydarzy dla każdego sportu nie tylko w NHL, to jest to co wybrałem ale to będzie działało dla każdego sportu Pierwsza wiązka to Node.js to pozwoli nam budować aplikacje na webie.

Druga jest MongoDB, która pozwala nam stworzyć dane.

Trzecia jest OpenAI, która pozwala nam rozmawiać z naszymi sportowcami.

Następnie jest SNS Scrape, która pozwala nam skradać dane z Twittera na Pythonie, na wolne.

Następnie jest OddsJam, to platforma sportowym, która ma wszelkie narzędzia do wykonania wyzwania sportowego.

Puppeteer to javascript, który jest w stanie przebierać weba bez graficznego interfejsu.

Więc może po prostu wejść na website, kliknąć na rzeczy, kliknąć na przycisk, zbieranie informacji automatycznie, co jest dokładnie to, co chcemy.

I ostatnia zależność, którą będziemy mieć, to Stats Head.

Stats Head to baza danych z całego tego historicznego sportu.

Oczywiście będziemy używać ChatGPT I Bing, żeby zrobić te przewidzenia.

Najpierw będziemy promować ChadGPT I powiemy ChadGPT, że jesteś profesjonalnym programerem z kilkudziesięciu lat doświadczenia w pisaniu kodów w każdym znanym języku programowania.

To nazywa się role prompting I role prompting może dać nam lepsze wyniki niż po prostu pytać o to pytanie.

Napisz mi krótki skryt Pythona, który wyciąga najnowsze 100 tweetów z Twittera.

Pamiętaj, że ta fraza zawsze pomoże z wyjściem z tych modelów GPT.

Daje nam to wszystko, to data z Python Script.

Powinno powiedzieć, PIP instaluj, SNS skręć.

Co możemy zrobić, możemy otworzyć collab.

Mam 10 labo, które jest przygotowane dla nas.

To będzie robił dokładnie to, co Chad G.P.D.

Będzie robił krytyk, myślę, że wybrał Elon Musk za 10 krytyk, całkiem niesamowity.

I będzie importował moduły, będzie wyciągnął twitterze, zmienił je na datę pandy, która jest w spreadsheetze Excel, w którym możemy wyprzedać file CSV.

Spójrzcie na te wszystkie real-time tweety o Seattle Kraken.

Możemy użyć analizy sentymentów z biblioteką Vator, żeby je analizować.

Chciałem Wam pokazać, przede wszystkim, wolny sposób do wyciągania danych z Twittera, a to tylko kilka linii kodów Pythona.

Kiedy mamy to, następnym, co chcemy zrobić, to znaleźć własny repozytory clone'owego chat-GPT, w którym możemy włączyć kod Twittera do analizy.

Możemy z nim rozmawiać w naturalnym języku I on może zrobić 10 kod Pythona dla nas.

Nie musimy go tylko każdemu zrobić w kolejnym labie.

Zapytamy Binga, pokaż mi repozycję chat-bot-UI, bo chcemy graficzną interfejsową użytkowę z GitHub do interakcji z chat-GPT.

Wybieramy 10, który nazywa się chat-gpt-clone przez Daniela Avila.

To jest świetne, ponieważ ma chat-gpt I bing.

Możemy to robić lokalnie na naszej maszynie, możemy to włożyć na własny serwer, możemy to stowarzyć w własnym databasie.

I będziemy go kustomizować, żeby nie być tylko generalnym GPT, ale specjalnie sportowym betting-botem.

Jest tam folia klientów, jest tam folia publicznej API więc oba działają razem ma trochę JSX, trochę HTML I CSS więc zacznijmy od tego więc żeby to zrobić, przejdziemy do Readme przejdziemy do części zacznienia jestem na Macie, więc wejdę do Mac Install.

I to nam powie, jakie potrzebne są dostępności.

Znajdziemy go tutaj, na platformie.openai.com.

Potrzebujemy tokenu BING I jego dostępu.

Aby to zrobić musimy iść do chat.bing.com, wciąż BING, potem do tools, developer, developer tools, a potem do storage, do aplikacji, do storage, widzimy kuchnie, a potem bing.com.

Potrzebujemy tego, aby dodać do naszej filmu .env.

Potem musimy iść na mongoDB.com I to będzie nas włączyło do naszej własnej bazy danych.

Jeśli jeszcze nie jesteś zasubskrybowany, stworz swój własny akunt.

Zasubskrybujemy się z Google, czy innym sposobem, który jest twoim ulubionym.

Po zasubskrybieniu, zapyta nam, by stworzyć bazę danych.

Możemy to zrobić, by stworzyć bazę danych.

Klikamy na bazę danych, która jest najbliższą.

Wkrótce wkroczymy link do naszej filii .env, żeby się z nim złączyło.

Zatrzymujemy się do naszej bazy danych, klikamy na klucz, wkrótce zabieramy kod, który zapisujemy do naszego filmu .env, więc kod złączy się.

Po tym, co zrobiliśmy, możemy to zrobić przez npm run.

Możemy kliknąć na bing, możemy uruchomić krytyki chat-gpt, co chcemy, możemy uruchomić to tak, jak to robimy z naszego głośnego hosta.

Uploadujemy to na nasz własny serwer, to działa na naszym własnym databasie, wszystko jest zbierane I nie zapomniemy żadnych zbaw, które pytamy.

Teraz, że mamy własną, kustomową wersję klonu chat-gpt, która działa lokalnie, możemy zacząć integrować informację z weba, możemy zacząć integrować nasze kodyty twitter-sentiment analysis, możemy zacząć integrować żywe, pozytywne, oczekiwane ceny pytań z weba, z tej strony, odzjam.

Odzjam jest świetny, jest świetny sposób do dostarczenia tych pozytywnych, oczekiwanych wartości betów.

Jeśli jest jedna drużyna, o której chcemy wiedzieć, powiedzmy, że kliknęmy na NHL, a potem wybieramy jedno z tych artykułów, które mają.

Widać, że zrobili wątpliwości o tym zespole.

Mamy tutaj dane, które chcemy włączyć w nasze GPT I to powie nam, jakie są te wątpliwości, w zależności od tego, co mówi OzGem.

Puppeteer jest jednym z najlepszych bibliotek javaScriptu.

Możesz po prostu włączyć się do tej web-sitki, włączyć się do seksualnego pudełka, ustawić rozmiar ekranu, kliknąć na pierwsze wyniki, wszystko to.

Możemy więc po prostu zbudować własny, bezbronny skryt browserowy.

I mogę Wam pokazać dokładnie jak to działa.

Zacznijmy od otworzenia browseru, a potem idziemy do nowej płyty.

Ta płyta to osjam.com.nba.articles Możemy zmienić NBA z innym sportu.

Możemy powiedzieć NHL, MLB, futbol, jakiś inny sport.

I po tym, da się nam listę artykułów.

I te artykuły będą urlami dla każdego artykułu, prawda?

To będzie robić rejeksy na wszystkie te artykuły I potem wróci to najwyższe artykuł, najnowszy artykuł I potem da nam to url.

I zapytamy naszą wersję Binga, TLDR to I co Bing zrobi, to To będzie przeczytać 10 artykuł I powie nam dokładnie, jaki będzie optimalny bet na sport.

Teraz możemy przejść do trainingu kustom modelowym.

Jak możemy użyć historii sportu, żeby zrobić bety?

Znalazłem nawet website, które nazywa się StatsHead.

Jest to realtime updated data, mamy tu wszystkie funkcje, można wyprzedać to dane jako CSV, I tam jest.

Oto 10 notebook, który skręciłem na MLB, który znalazłem przez GZ Wabowski na github.

Używając Selenium, innego skrytu bez głowy, będzie on przeczytał web, zainstalował się w StatHead z jego nazwiskiem I paszportem I wtedy będzie dany dany dany na MLB.

Możemy to zmienić od piłki do NHL lub innego sportu, dla danych w piłce.

I jak dostajemy te prawdziwe dane z StatHead, możemy je wyprzedać jako CSV I przekazać to modelowi, poprowadzając prompt, gdzie mówimy, że poddanym danym znajdź, zrób przewidzenie.

I to nie będzie budować neuralnego sieci w prawdziwym czasie, tylko używamy w kontekście nauki, aby zbudować te przewidzenie.

Jeżeli macie jakieś pytania, zapytajcie mnie w komentarzu.

Wróćmy do 24 godzin I zobaczmy czy wygrałem.

Subskrybujcie filmik, kliknijcie like I teraz muszę zrobić jakieś naprawdę ciekawe autoGPT.

Subskrybuj, jeśli podobał Ci się filmik.

A teraz muszę zrobić kilka bardzo interesujących auto-GPT.


Speaker 0: Cześć świata, tu Siraj I kłamię 1000 dolarów na Seattle Kraken. To jest drużyna z hockey'a, część NHL, ponieważ mój bot sportowy, który nazywam odzGPT, powołany odzJam, mi to powiedział.

Speaker 1: A zanim do niego przejdę, chciałbym szybko powiedzieć o odzJam. OdzJam to najlepsza aplikacja do kłamienia sportowego. Uwielbiam danych, uwielbiam was, odzJam uwielbia danych. Z ponad 190 książek o sportach I realnym danych odsłonem OddsJam jest w stanie zauważyć niebezpieczeństwa w markecie, które możecie wykorzystać. OddsJam sprawia, że jest to sport, który jest wystarczająco wyższy, gdy używa się tych samych technik które inwestorzy I tradycy używają do wygrywania w sklepie.

Zmiana OzGem pozwala ci zrobić pieniądze bez ryzyka zidentyfikując możliwości, gdzie możesz wziąć pieniądze na obu stronach rynku I uzyskać pieniądze, nie ważne co. Mamy również pozytywne, oczekiwane wartości, które zidentyfikują bety, gdzie jeden sportsbook zrobił błąd, gdy ustalili swój ceny, w porównaniu z resztą rynku. Ozgen sprawia, że łatwo jest zapłacić za następny wieczór lub wakacje z twoimi profilami betowymi. Oferują obozie 7-dniowym, wolnym próbiem I 90-dniowym zawartościem pieniędzy, ponieważ wiedzą, że ich produkt działa. Jeśli chcesz dać im próbę, użyj kodu SIRAJ20, aby otrzymać 20% od subskrypcji używając linku poniżej.

Co jest najnowszego plus EV,

Speaker 0: to znaczy pozytywny, oczekiwany wartość, sportowe bety, do wykonania dzisiaj dla NHL. I to będzie... W zasadzie to, co robi, to używa bezbronnego skryta browserowego. Nie martw się, jeśli nie rozumiesz tego. Przejdźmy przez to wszystko.

Używa bezbronnego skryta browserowego w Javascript, aby wyciągnąć dane od odzysku o tym, jakie są sportowe bety, które oni robią, używając wszystkich swoich wewnętrznych narzędzi. I potem to wyciągnie 5 najwyższych betów EV jak widać w listach zamówionych I wyjaśni to bardzo prosto, tak samo. Teraz, po tym, że mamy to, możemy powiedzieć, że ok, świetnie. Jak ludzie czują o Seattle Kraken przeciwko matchu Dallas Stars dzisiaj? I co to będzie robił, I to jest jedną z moich ulubionych części tego, to to będzie wyciągnął te dane z Twittera.

Teraz, Możecie lub nie wiedzieć, że Elon zrobił Twitterowi 100 dolarów w miesiącu, żeby wyciągnąć tweety dla hobbystów. Nie chcemy tylko płacić 100 dolarów w miesiącu, więc użyjemy sprzętu, by wyciągnąć dane z Twittera. Nie przepraszam, Elon. To jest to, co widzieliście. To wyciągnie dane z Twittera I powie nam, że dzisiaj jest to procentowość, z jaką ludzie są pewni, że Kraken wygra.

Ostatni pomysł, który daję na tę demo, zanim zaczynamy budować, to jak prawdopodobnie zbieramy zawodnika z Seattle Cracking. Ryan Donato będzie zabił się w tym sezonie. Co on tu robi, to wyciąga historiczny datatyk z wszystkich funkcji Ryan Donato dla każdego meczu jak jego liczbę złożeń, liczba zwycięstw liczba, wiesz, wyników I to wszystko. I to w prawdziwym czasie z tym, co nazywa się w kontekście nauczania, zrobimy przewidzenie używając tego danych. W tym tutorialu zaczniemy od bardzo prostego botu, w wersji 1 jest to Twitter Sentiment Bot, który wyciąga dane z Twittera, to wszystko w drugiej wersji dodamy do tego możliwość wyciągania z Webu pozytywne, oczekiwane wartości z odziałem czyli plus EV Web Crawler, a w trzecim I ostatnim wersji dodamy możliwość wyciągnięcia wszystkiego tego realnego, historycznego danych o sportach z Web I wtedy zrobimy kustomowe przewidzenia używając tego danych.

Na przykład pytam, czy 10 gracz jest zniszczony czy jak prawdopodobnie to się wydarzy I używa historycznego danych, żeby to zrobić. I to się wydarzy dla każdego sportu nie tylko w NHL, to jest to co wybrałem ale to będzie działało dla każdego sportu Pierwsza wiązka to Node.js to pozwoli nam budować aplikacje na webie. Druga jest MongoDB, która pozwala nam stworzyć dane. Trzecia jest OpenAI, która pozwala nam rozmawiać z naszymi sportowcami. Następnie jest SNS Scrape, która pozwala nam skradać dane z Twittera na Pythonie, na wolne.

Następnie jest OddsJam, to platforma sportowym, która ma wszelkie narzędzia do wykonania wyzwania sportowego. Możemy z tego wyrzucić dane. Używając Puppeteer. Puppeteer to javascript, który jest w stanie przebierać weba bez graficznego interfejsu. Więc może po prostu wejść na website, kliknąć na rzeczy, kliknąć na przycisk, zbieranie informacji automatycznie, co jest dokładnie to, co chcemy.

I ostatnia zależność, którą będziemy mieć, to Stats Head. Stats Head to baza danych z całego tego historicznego sportu. Oczywiście będziemy używać ChatGPT I Bing, żeby zrobić te przewidzenia. To są ostatnie dwa. Najpierw będziemy promować ChadGPT I powiemy ChadGPT, że jesteś profesjonalnym programerem z kilkudziesięciu lat doświadczenia w pisaniu kodów w każdym znanym języku programowania.

Co to nazywa się? To nazywa się role prompting I role prompting może dać nam lepsze wyniki niż po prostu pytać o to pytanie. Napisz mi krótki skryt Pythona, który wyciąga najnowsze 100 tweetów z Twittera. Jak to powinno być zrobione? Pokaż mi krok po kroku.

Pamiętaj, że ta fraza zawsze pomoże z wyjściem z tych modelów GPT. Daje nam to wszystko, to data z Python Script. Powinno powiedzieć, PIP instaluj, SNS skręć. Co możemy zrobić, możemy otworzyć collab. Mam 10 labo, które jest przygotowane dla nas.

W opisie filmu to pokażę. Co to będzie robiło? To będzie robił dokładnie to, co Chad G.P.D. Powiedział nam, żeby zrobić. Będzie robił krytyk, myślę, że wybrał Elon Musk za 10 krytyk, całkiem niesamowity.

I będzie importował moduły, będzie wyciągnął twitterze, zmienił je na datę pandy, która jest w spreadsheetze Excel, w którym możemy wyprzedać file CSV. Spójrzcie na te wszystkie real-time tweety o Seattle Kraken. Let's go Kraken. Wielu z nich jest pozytywnych, prawda? Możemy użyć analizy sentymentów z biblioteką Vator, żeby je analizować.

Chciałem Wam pokazać, przede wszystkim, wolny sposób do wyciągania danych z Twittera, a to tylko kilka linii kodów Pythona. Kiedy mamy to, następnym, co chcemy zrobić, to znaleźć własny repozytory clone'owego chat-GPT, w którym możemy włączyć kod Twittera do analizy. Możemy z nim rozmawiać w naturalnym języku I on może zrobić 10 kod Pythona dla nas. Nie musimy go tylko każdemu zrobić w kolejnym labie. Aby to zrobić, użyjemy Binga.

Dlaczego Binga wśród chat-GPT? Bo Bing jest połączony z internetem. Zapytamy Binga, pokaż mi repozycję chat-bot-UI, bo chcemy graficzną interfejsową użytkowę z GitHub do interakcji z chat-GPT. Wybieramy 10, który nazywa się chat-gpt-clone przez Daniela Avila. To jest świetne, ponieważ ma chat-gpt I bing.

Oba. Więc ma dostęp do obu. Możemy to robić lokalnie na naszej maszynie, możemy to włożyć na własny serwer, możemy to stowarzyć w własnym databasie. To jest tylko dla nas, prawda? To jest tylko dla nas.

I będziemy go kustomizować, żeby nie być tylko generalnym GPT, ale specjalnie sportowym betting-botem. Więc przejdźmy do tego. Jest tam folia klientów, jest tam folia publicznej API więc oba działają razem ma trochę JSX, trochę HTML I CSS więc zacznijmy od tego więc żeby to zrobić, przejdziemy do Readme przejdziemy do części zacznienia jestem na Macie, więc wejdę do Mac Install. I to nam powie, jakie potrzebne są dostępności. Musimy dostać klucz do OpenAI API.

Znajdziemy go tutaj, na platformie.openai.com. Potrzebujemy tokenu BING I jego dostępu. Aby to zrobić musimy iść do chat.bing.com, wciąż BING, potem do tools, developer, developer tools, a potem do storage, do aplikacji, do storage, widzimy kuchnie, a potem bing.com. W środku widzimy nazwę underscore you. To da nam nasz token Bing.

Potrzebujemy tego, aby dodać do naszej filmu .env. Potem musimy iść na mongoDB.com I to będzie nas włączyło do naszej własnej bazy danych. Zasubskrybujemy się na MongoDB. Jeśli jeszcze nie jesteś zasubskrybowany, stworz swój własny akunt. Zasubskrybujemy się z Google, czy innym sposobem, który jest twoim ulubionym.

Po zasubskrybieniu, zapyta nam, by stworzyć bazę danych. Możemy to zrobić, by stworzyć bazę danych. Klikamy na bazę danych, która jest najbliższą. Klikamy na stworzenie kluster. Wkrótce wkroczymy link do naszej filii .env, żeby się z nim złączyło.

Zatrzymujemy się do naszej bazy danych, klikamy na klucz, wkrótce zabieramy kod, który zapisujemy do naszego filmu .env, więc kod złączy się. To wszystko, co musimy zrobić. Po tym, co zrobiliśmy, możemy to zrobić przez npm run. I otworzy nam to, tak jak teraz. Możemy kliknąć na bing, możemy uruchomić krytyki chat-gpt, co chcemy, możemy uruchomić to tak, jak to robimy z naszego głośnego hosta.

Uploadujemy to na nasz własny serwer, to działa na naszym własnym databasie, wszystko jest zbierane I nie zapomniemy żadnych zbaw, które pytamy. Teraz, że mamy własną, kustomową wersję klonu chat-gpt, która działa lokalnie, możemy zacząć integrować informację z weba, możemy zacząć integrować nasze kodyty twitter-sentiment analysis, możemy zacząć integrować żywe, pozytywne, oczekiwane ceny pytań z weba, z tej strony, odzjam. Odzjam jest świetny, jest świetny sposób do dostarczenia tych pozytywnych, oczekiwanych wartości betów. Jeśli jest jedna drużyna, o której chcemy wiedzieć, powiedzmy, że kliknęmy na NHL, a potem wybieramy jedno z tych artykułów, które mają. Widać, że zrobili wątpliwości o tym zespole.

Mamy tutaj dane, które chcemy włączyć w nasze GPT I to powie nam, jakie są te wątpliwości, w zależności od tego, co mówi OzGem. Jak to zrobić? Puppeteer jest jednym z najlepszych bibliotek javaScriptu. Możesz po prostu włączyć się do tej web-sitki, włączyć się do seksualnego pudełka, ustawić rozmiar ekranu, kliknąć na pierwsze wyniki, wszystko to. Możemy więc po prostu zbudować własny, bezbronny skryt browserowy.

I Zrobiłem to tutaj, w Puppeteer. I mogę Wam pokazać dokładnie jak to działa. Zacznijmy od otworzenia browseru, a potem idziemy do nowej płyty. Ta płyta to osjam.com.nba.articles Możemy zmienić NBA z innym sportu. Możemy powiedzieć NHL, MLB, futbol, jakiś inny sport.

I po tym, da się nam listę artykułów. I te artykuły będą urlami dla każdego artykułu, prawda? To będzie robić rejeksy na wszystkie te artykuły I potem wróci to najwyższe artykuł, najnowszy artykuł I potem da nam to url. I zapytamy naszą wersję Binga, TLDR to I co Bing zrobi, to To będzie przeczytać 10 artykuł I powie nam dokładnie, jaki będzie optimalny bet na sport. Teraz możemy przejść do trainingu kustom modelowym.

Jak możemy użyć historii sportu, żeby zrobić bety? To naprawdę ciekawe pomysł. Znalazłem nawet website, które nazywa się StatsHead. Jest to realtime updated data, mamy tu wszystkie funkcje, można wyprzedać to dane jako CSV, I tam jest. Oto 10 notebook, który skręciłem na MLB, który znalazłem przez GZ Wabowski na github.

Używając Selenium, innego skrytu bez głowy, będzie on przeczytał web, zainstalował się w StatHead z jego nazwiskiem I paszportem I wtedy będzie dany dany dany na MLB. Możemy to zmienić od piłki do NHL lub innego sportu, dla danych w piłce. I jak dostajemy te prawdziwe dane z StatHead, możemy je wyprzedać jako CSV I przekazać to modelowi, poprowadzając prompt, gdzie mówimy, że poddanym danym znajdź, zrób przewidzenie. I to nie będzie budować neuralnego sieci w prawdziwym czasie, tylko używamy w kontekście nauki, aby zbudować te przewidzenie. To tyle na 10 tutorial.

Jeżeli macie jakieś pytania, zapytajcie mnie w komentarzu. Będę odpowiedzialny. Kod do wszystkiego znajdziecie w opisie. Wróćmy do 24 godzin I zobaczmy czy wygrałem. Wygląda na to, że wygrałem.

Dzięki oddsGPT I oddsJam. Subskrybujcie filmik, kliknijcie like I teraz muszę zrobić jakieś naprawdę ciekawe autoGPT. Dzięki za oglądanie. Subskrybuj, jeśli podobał Ci się filmik. Kliknij łapkę w górę.

A teraz muszę zrobić kilka bardzo interesujących auto-GPT. Dzięki za oglądanie.

See all Siraj Raval transcripts on Youtube

I Built a Sports Betting Bot with OddsJam and ChatGPT