शुरू करेंमुफ़्त में शुरू करें

एंबेडेड डिस्क्रिप्शंस का विज़ुअलाइज़ेशन

अब जब आपने प्रोडक्ट डिस्क्रिप्शंस से एम्बेडिंग्स बना ली हैं, तो उन्हें एक्सप्लोर करने का समय है! आप t-SNE का उपयोग करके एम्बेडिंग्स डेटा के डाइमेंशंस 1,536 से घटाकर दो करेंगे, जिससे डेटा को विज़ुअलाइज़ करना बहुत आसान हो जाएगा.

आप पिछले अभ्यास में उपयोग की गई products डिक्शनरीज़ की सूची से शुरू करेंगे, जिसमें प्रोडक्ट जानकारी और 'short_description' से बनाई गई एम्बेडिंग्स शामिल हैं. याद दिलाने के लिए, products का एक प्रीव्यू यहाँ है:

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 और numpy को क्रमशः plt और np के रूप में इम्पोर्ट किया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

OpenAI API के साथ Embeddings परिचय

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Create categories and embeddings lists using list comprehensions
categories = [product[____] for product in products]
embeddings = [product[____] for product in products]
कोड संपादित करें और चलाएँ