1. Apprendre
    2. /
  2. Cours
    3. /
  3. Introduction aux embeddings avec l'API d'OpenAI
Connected

Exercice

Visualiser les descriptions intégrées

Maintenant que vous avez créé des embeddings à partir des descriptions de produits, c'est le moment de les explorer ! Vous utiliserez t-SNE pour réduire le nombre de dimensions des données d'embeddings de 1 536 à deux, ce qui rendra les données beaucoup plus faciles à visualiser.

Vous partirez de la liste de dictionnaires products utilisée dans l'exercice précédent, qui contient des renseignements sur les produits ainsi que les embeddings créés à partir de 'short_description'. Pour vous rafraîchir la mémoire, voici un aperçu de products :

products = [
    {
        "title": "Smartphone X1",
        "short_description": "The latest flagship smartphone with AI-powered features and 5G connectivity.",
        "price": 799.99,
        "category": "Electronics",
        "features": [
            "6.5-inch AMOLED display",
            "Quad-camera system with 48MP main sensor",
            "Face recognition and fingerprint sensor",
            "Fast wireless charging"
        ],
        "embedding": [-0.014650369994342327, ..., 0.008677126839756966]
    },
    ...
]

matplotlib.pyplot et numpy ont été importés comme plt et np, respectivement.

Instructions 1/3

undefined XP
    1
    2
    3
  • Créez deux listes en extrayant l'information de products à l'aide de compréhensions de liste : categories, qui contient la 'category' de chaque produit, et embeddings, qui contient l'embedding de la courte description.