Visualiser les descriptions intégrées
Vous avez maintenant créé des embeddings à partir des descriptions de produits : il est temps de les explorer ! Vous allez utiliser t-SNE pour réduire le nombre de dimensions des embeddings de 1 536 à deux, ce qui rendra les données bien plus simples à visualiser.
Vous partirez de la liste de dictionnaires products utilisée dans l’exercice précédent, qui contient les informations produits et les embeddings générés à partir de 'short_description'. Pour rappel, 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 respectivement sous les noms plt et np.
Cet exercice fait partie du cours
<cours>Introduction aux embeddings avec l’API OpenAI</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create categories and embeddings lists using list comprehensions
categories = [product[____] for product in products]
embeddings = [product[____] for product in products]