О чём урок
Примечание: Для корректной работы этого блокнота требуются лимиты скорости платного уровня. (см. цены для получения дополнительной информации).
Этот учебник демонстрирует, как использовать эмбеддинги из Gemini API для обнаружения потенциальных выбросов в вашем наборе данных. Вы визуализируете подмножество набора данных 20 Newsgroups с помощью t-SNE{:.external} и обнаружите выбросы за пределами определенного радиуса от центральной точки каждого категориального кластера.
Для получения дополнительной информации о начале работы с эмбеддингами, сгенерированными с помощью Gemini API, ознакомьтесь с руководством Начало работы.
Вы можете запустить этот краткий обзор в Google Colab.
Чтобы завершить этот краткий обзор в вашей собственной среде разработки, убедитесь, что ваша среда соответствует следующим требованиям:
- Python 3.11+
- Установленный jupyter для запуска блокнота.
Сначала загрузите и установите библиотеку Python для Gemini API.
Прежде чем вы сможете использовать Gemini API, вы должны сначала получить ключ API. Если у вас его еще нет, создайте ключ одним щелчком мыши в Google AI Studio.
Получить ключ API
В Colab добавьте ключ в менеджер секретов под значком "🔑" на левой панели. Присвойте ему имя GEMINI_API_KEY.
После того как у вас есть ключ API, передайте его в SDK. Вы можете сделать это двумя способами:
- Поместите ключ в переменную среды GEMINI_API_KEY (SDK автоматически подхватит его оттуда).
- Передайте ключ в genai.Client(api_key=...)
Ключевой момент: Далее вы выберете модель. Для этого учебника подойдет любая модель эмбеддингов, но для реальных приложений важно выбрать конкретную модель и придерживаться ее. Выходы разных моделей несовместимы друг с другом.
Набор текстовых данных 20 Newsgroups{:.external} содержит 18 000 сообщений из групп новостей по 20 темам, разделенных на обучающие и тестовые наборы. Разделение между обучающими и тестовыми наборами данных основано на сообщениях, опубликованных до и после определенной даты. В этом учебнике используется обучающее подмножество.
Вот первый пример из обучающего набора.
Далее, выберите часть данных, взяв 150 точек данных из обучающего набора данных…
План урока
- Обзор
- Предварительные условия
- Настройка
- Получите ключ API
- Выберите модель для использования
- Подготовка набора данных
- Генерация эмбеддингов
- Снижение размерности
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.