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
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]