1. 학습
    2. /
  2. 강의
    3. /
  3. OpenAI API로 시작하는 임베딩 Introduction
Connected

연습 문제

임베딩된 설명 시각화하기

이제 제품 설명에서 임베딩을 생성했으니, 직접 살펴볼 차례예요! 임베딩 데이터의 차원을 1,536개에서 2개로 줄이기 위해 t-SNE를 사용해 시각화를 훨씬 쉽게 만들 거예요.

이전 연습 문제에서 다뤘던 products 딕셔너리 목록으로 시작합니다. 여기에는 제품 정보와 'short_description'에서 생성한 임베딩이 들어 있어요. 참고로, products의 미리 보기는 다음과 같아요:

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.pyplot과 numpy는 각각 plt, np로 임포트되어 있어요.

지침 1/3

undefined XP
    1
    2
    3
  • 리스트 컴프리헨션을 사용해 products에서 정보를 추출하여 두 리스트를 만드세요. 각 제품의 'category'를 담은 categories와, 임베딩된 짧은 설명을 담은 embeddings를 생성하세요.