Mulai sekarangMulai gratis

Memvisualisasikan deskripsi yang di-embed

Sekarang setelah Anda membuat embeddings dari deskripsi produk, saatnya mengeksplorasinya! Anda akan menggunakan t-SNE untuk mengurangi jumlah dimensi pada data embeddings dari 1.536 menjadi dua, sehingga data jauh lebih mudah divisualisasikan.

Anda akan mulai dengan daftar kamus products yang Anda gunakan pada latihan sebelumnya, berisi informasi produk dan embeddings yang Anda buat dari 'short_description'. Sebagai pengingat, berikut pratinjau 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 dan numpy telah diimpor masing-masing sebagai plt dan np.

Latihan ini merupakan bagian dari kursus

Pengantar Embeddings dengan OpenAI API

Lihat Kursus

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Create categories and embeddings lists using list comprehensions
categories = [product[____] for product in products]
embeddings = [product[____] for product in products]
Edit dan Jalankan Kode