Um guia para usar o ChromaDB

1_Guide_to_Chroma_DB_A_Vector_Store_for_Your_Generative_AI_LLMs/Guide_to_Chroma_DB_A_Vector_Store_for_Your_Generative_AI_LLMs.ipynb

@@ -0,0 +1,177 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "<h1 align=\"center\"><font color=\"pink\">Guia para Chroma DB | Um repositório de vetores para seus LLMs de IA generativa</font></h1>"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "<font color=\"yellow\">Data Scientist.: Dr.Eddy Giusepe Chirinos Isidro</font>"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Link de estudo:\n",
+    "\n",
+    "* [Analytics Vidhya](https://www.analyticsvidhya.com/blog/2023/07/guide-to-chroma-db-a-vector-store-for-your-generative-ai-llms/)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# <font color=\"red\">Criar coleção e adicionar documentos</font>"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 1,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import chromadb\n",
+    "\n",
+    "\n",
+    "client = chromadb.Client()\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "#client.reset() # Esvazia e redefine completamente o banco de dados. Isso é destrutivo e irreversível.\n",
+    "client.delete_collection(name=\"my_information\")\n",
+    "client.list_collections()\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 3,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "collection = client.create_collection(name=\"my_information\")\n",
+    "\n",
+    "\n",
+    "collection.add(\n",
+    "    \n",
+    "    documents=[\"Este é um documento que contém informações do carro.\",\n",
+    "    \"Este é um documento que contém informações sobre cães.\", \n",
+    "    \"Este documento contém um catálogo de quatro rodas\"],\n",
+    "    \n",
+    "    metadatas=[{\"source\": \"Livro de carros\"},{\"source\": \"Livro de cachorro\"},{'source':'Informações sobre o veículo'}],\n",
+    "    \n",
+    "    ids=[\"id1\", \"id2\", \"id3\"]\n",
+    ")\n",
+    "\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 4,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "{'ids': [['id1', 'id2']], 'distances': [[1.0389368534088135, 1.2704360485076904]], 'metadatas': [[{'source': 'Livro de carros'}, {'source': 'Livro de cachorro'}]], 'embeddings': None, 'documents': [['Este é um documento que contém informações do carro.', 'Este é um documento que contém informações sobre cães.']], 'uris': None, 'data': None}\n"
+     ]
+    }
+   ],
+   "source": [
+    "results = collection.query(\n",
+    "    query_texts=[\"carro\"],\n",
+    "    n_results=2\n",
+    ")\n",
+    "\n",
+    "\n",
+    "print(results)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# <font color=\"red\">Updating and Deleting Data</font>"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 26,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "collection.update(\n",
+    "    ids=[\"id2\"],\n",
+    "    documents=[\"Este é um documento contendo informações sobre gatos\"],\n",
+    "    metadatas=[{\"source\": \"Livro do gato\"}],\n",
+    ")\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 27,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "{'ids': [['id3']], 'distances': [[1.862352728843689]], 'metadatas': [[{'source': 'Informações sobre o veículo'}]], 'embeddings': None, 'documents': [['Este documento contém um catálogo de quatro rodas']], 'uris': None, 'data': None}\n"
+     ]
+    }
+   ],
+   "source": [
+    "# Query in Database\n",
+    "\n",
+    "results = collection.query(\n",
+    "    query_texts=[\"Felinos\"],\n",
+    "    n_results=1\n",
+    ")\n",
+    "\n",
+    "\n",
+    "print(results)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "Chroma_DB_Tutorial_A_Step-By-Step_Guide"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "venv_LLM",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.9.16"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}