Классификация текста через Classify

О чём урок

В области классификации текста наблюдается тенденция, когда разработчики и команды используют большие языковые модели (LLM) при создании системы классификации на основе ИИ. Это отличается от создания системы с нуля самостоятельно, что, во-первых, требует от команды знаний в области машинного обучения и инженерии, а во-вторых, требует огромного количества размеченных обучающих данных для создания рабочего решения. С LLM, вместо того чтобы готовить тысячи точек обучающих данных, вы можете начать работу всего с несколькими примерами для каждого класса, что называется классификацией с малым количеством примеров (few-shot classification). В этом блокноте вы узнаете, как создать классификатор с помощью конечной точки Classify от Cohere посредством обучения с малым количеством примеров (few-shot learning). Этот блокнот сопровождает урок по конечной точке Classify из LLM University. Мы начнем с установки необходимых инструментов, а затем импортируем их. Введите свой API ключ Cohere в следующей ячейке. Для этого сначала зарегистрируйтесь в Cohere (бесплатно!), если вы еще этого не сделали. Затем получите свой API ключ здесь. Типичная модель машинного обучения требует множества обучающих примеров для выполнения классификации текста, но с конечной точкой Classify вы можете начать всего с 5 примеров на класс.

План урока

1. Настройка
2. Подготовка примеров и входных данных
3. Генерация предсказаний