Spaces:
No application file
No application file
| 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> | |
|  | |
| ## 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 | |
|  | |
| ``` | |
| $ pip install redis | |
| ``` | |
| Thanks God 🤓! | |