Inizia subitoInizia gratis

Visualizzare le descrizioni incorporate

Ora che hai creato gli embeddings a partire dalle descrizioni dei prodotti, è il momento di esplorarli! Userai t-SNE per ridurre il numero di dimensioni dei dati degli embeddings da 1.536 a due, così sarà molto più facile visualizzarli.

Partirai dall'elenco di dizionari products con cui hai lavorato nell'esercizio precedente, che contiene le informazioni sui prodotti e gli embeddings creati dalla 'short_description'. Per ricordarti la struttura, ecco un'anteprima di 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 e numpy sono già stati importati rispettivamente come plt e np.

Questo esercizio fa parte del corso

Introduzione agli Embeddings con l'API di OpenAI

Visualizza corso

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Create categories and embeddings lists using list comprehensions
categories = [product[____] for product in products]
embeddings = [product[____] for product in products]
Modifica ed esegui il codice