Aan de slag met ChromaDB

In de volgende oefeningen ga je een vectordatabank gebruiken om 1000 films en tv-programma’s uit de Netflix-gegevensset uit de video te embedden en te bevragen. Het doel is om met deze data aanbevelingen te genereren op basis van een zoekopdracht. Om te beginnen maak je de database en de collectie aan om de gegevens op te slaan.

chromadb is beschikbaar om te gebruiken, en de OpenAIEmbeddingFunction() is geïmporteerd uit chromadb.utils.embedding_functions. Net als in de eerste twee hoofdstukken hoef je in dit hoofdstuk geen OpenAI API-sleutel op te geven.

Deze oefening maakt deel uit van de cursus

Introductie tot Embeddings met de OpenAI API

Bekijk cursus

Oefeninstructies

Maak een persistente client om de databasebestanden op schijf op te slaan; voor deze oefeningen mag je het bestandspad weglaten.
Maak een databasecollectie met de naam netflix_titles die de OpenAI-embeddingfunctie gebruikt.
Lijst alle collecties in de database op.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Create a persistant client
client = chromadb.____()

# Create a netflix_title collection using the OpenAI Embedding function
collection = client.create_collection(
    name="____",
    ____=____(model_name="text-embedding-3-small", api_key="")
)

# List the collections
print(client.____())

Code bewerken en uitvoeren