README.md

---
title: Embeddings Com OpenAI
emoji: 🏃
colorFrom: yellow
colorTo: gray
sdk: docker
pinned: false
---

Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference


# <font color="yellow">Embeddings</font>

<font color="yellow">Data Scientist.: PhD.Eddy Giusepe Chirinos Isidro</font>

![](https://hashnode.com/utility/r?url=https%3A%2F%2Fcdn.hashnode.com%2Fres%2Fhashnode%2Fimage%2Fupload%2Fv1682584152281%2Fc7609fdc-9976-45f0-bcdb-48a2949d5346.png%3Fw%3D1200%26h%3D630%26fit%3Dcrop%26crop%3Dentropy%26auto%3Dcompress%2Cformat%26format%3Dwebp%26fm%3Dpng)


## Que são Embeddings?

Os `Embeddings` de texto da OpenAI medem o parentesco das strings de texto. `Embeddings` são comumente usados ​​para:

* `Pesquisa - search`  (onde os resultados são classificados por relevância para uma query de string)

* `Clustering` (onde as strings de texto são agrupadas por similaridade)

* `Recomendações` (onde itens com sequências de texto relacionadas são recomendados)

* `Detecção de anomalias` (onde são identificados outliers com pouco parentesco)

* `Medição de diversidade` (onde as distribuições de similaridade são analisadas)

* `Classificação` (onde as sequências de texto são classificadas por seu rótulo mais semelhante)

* Um Embedding é um vetor (`lista`) de números de ponto flutuante. A distância entre dois vetores mede sua relação. Pequenas distâncias sugerem alto parentesco e grandes distâncias sugerem baixo parentesco.


## Instalação da OpenAI
```
$ pip install openai openai[datalib] python-dotenv
```
## Instalação de redis

![](https://redis.com/wp-content/uploads/2021/08/redis-social-1200x628-1.jpg)

```
$ pip install redis
```

Thanks God 🤓!