Урок из полного доступа, первые уроки курса бесплатно Официальный курс Gemini API Cookbook на русском
Урок 40 · Текст · ~5 мин

Поиск аномалий с эмбеддингами: второй вариант

Урок 40 из 84 курса «Gemini API: примеры использования»: официальный курс Gemini API Cookbook (Гугл Джемини) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

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

  1. Обзор
  2. Предварительные условия
  3. Настройка
  4. Получите ключ API
  5. Выберите модель для использования
  6. Подготовка набора данных
  7. Генерация эмбеддингов
  8. Снижение размерности

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы Google Gemini 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от Google Gemini (2 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Урок входит в темы

Полезные гиды