BaşlayınÜcretsiz başlayın

Gömülü açıklamaları görselleştirme

Ürün açıklamalarından gömüler oluşturduğuna göre, şimdi onları keşfetme zamanı! Gömü verilerindeki boyut sayısını 1.536'dan ikiye düşürmek için t-SNE kullanacaksın; bu da verileri görselleştirmeyi çok daha kolay hale getirecek.

Son egzersizde çalıştığın, ürün bilgilerini ve 'short_description' üzerinden oluşturduğun gömüleri içeren sözlüklerden oluşan products listesiyle başlayacaksın. Hatırlatma olarak, products'ın bir önizlemesi burada:

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 ve numpy sırasıyla plt ve np olarak içe aktarılmıştır.

Bu egzersiz, kursun bir parçasıdır

OpenAI API ile Embeddings’e Giriş

Kursa Göz Atın

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Create categories and embeddings lists using list comprehensions
categories = [product[____] for product in products]
embeddings = [product[____] for product in products]
Kodu Düzenle ve Çalıştır