Визуализация эмбеддингов описаний

Теперь, когда вы создали эмбеддинги (векторные представления) на основе описаний товаров, пришло время их исследовать! Вы воспользуетесь методом t-SNE, чтобы уменьшить размерность данных эмбеддингов с 1 536 до двух — это значительно упростит их визуализацию.

В качестве исходных данных используется список словарей products из предыдущего упражнения, который содержит информацию о товарах и созданные вами эмбеддинги поля 'short_description'. Для справки — вот фрагмент структуры 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 и numpy уже импортированы как plt и np соответственно.