Урок из полного доступа, первые уроки курса бесплатно Официальный курс Gemini API Cookbook на русском
Урок 43 · Текст · ~5 мин

Кластеризация с помощью эмбеддингов

Урок 43 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 более подробной информации).

В этом руководстве демонстрируется, как визуализировать и выполнять кластеризацию с использованием эмбеддингов из Gemini API. Вы визуализируете подмножество набора данных 20 Newsgroup с помощью t-SNE{:.external} и кластеризуете это подмножество с помощью алгоритма KMeans.

Для получения дополнительной информации о начале работы с эмбеддингами, сгенерированными с помощью Gemini API, ознакомьтесь с руководством Начало работы.

Вы можете запустить это краткое руководство в Google Colab.

Чтобы выполнить это краткое руководство 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 получения ключа 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 руководства подойдет любая модель эмбеддингов, но для реальных приложений важно выбрать конкретную модель и придерживаться ее. Выходы разных моделей несовместимы друг с другом.

Примечание: В настоящее время Gemini API доступен только в определенных регионах.

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. Для этого руководства вы будете использовать обучающее подмножество.

Вот первый пример в обучающем наборе.

11141 rows × 3 columns

Далее вы выберете часть данных…

План урока

  1. Обзор
  2. Предварительные условия
  3. Настройка
  4. Получение ключа API
  5. Выбор используемой модели
  6. Набор 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