Простая классификация

Урок 64 из 80 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

Этот notebook демонстрирует, как использовать prompting для выполнения задач classification с помощью Python SDK Gemini API. LLM могут использоваться в задачах, требующих классификации контента по заранее определенным категориям. Этот бизнес-кейс показывает, как система категоризирует сообщения пользователей по теме блога. Она может классифицировать ответы по следующим категориям: спам, агрессивные комментарии и оскорбительные сообщения. Чтобы запустить следующую cell, ваш API key должен быть сохранен в Colab Secret с именем GEMINI_API_KEY. Если у вас еще нет API key или вы не знаете, как создать Colab Secret, см. Аутентификация для примера. Обязательно изучите другие примеры prompting в репозитории. Попробуйте написать prompts для классификации ваших собственных datasets.

План урока

  1. Настройка вашего API key
  2. Примеры
  3. Дальнейшие шаги

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

Полезные гиды