1. Learn
    2. /
  2. Courses
    3. /
  3. Vektordatabaser för embeddings med Pinecone
Connected

Exercise

Infoga YouTube-transkript

I följande övningar skapar du en chattbot som kan svara på frågor om YouTube-videor genom att läsa in videotranskript och ytterligare metadata i ditt 'pinecone-datacamp'-index.

Till att börja med förbereder du data från filen youtube_rag_data.csv och infogar vektorerna med all tillhörande metadata i indexet 'pinecone-datacamp'. Data finns tillgänglig i DataFrame:n youtube_df.

Här är ett exempel på ett transkript från youtube_df:

id: 
35Pdoyi6ZoQ-t0.0

title:
Training and Testing an Italian BERT - Transformers From Scratch #4

text: 
Hi, welcome to the video. So this is the fourth video in a Transformers from Scratch 
mini series. So if you haven't been following along, we've essentially covered what 
you can see on the screen. So we got some data. We built a tokenizer with it...

url: 
https://youtu.be/35Pdoyi6ZoQ

published: 
01-01-2024

Instructions

100 XP
  • Initiera Pinecone-klienten med din API-nyckel (OpenAI-klienten är tillgänglig som client).
  • Extrahera metadata för 'id', 'text', 'title', 'url' och 'published' från varje row.
  • Koda texts med hjälp av 'text-embedding-3-small' från OpenAI.
  • Infoga vektorerna och metadatan i ett namnområde (namespace) kallat 'youtube_rag_dataset'.