10.1 ChatGPT
Moment mal, worüber rede ich? Wir leben doch in einer Welt mit künstlicher Intelligenz. Lass uns damit arbeiten. Und beginnen wir natürlich mit ChatGPT.
Beispiel für die Arbeit mit OpenAI API (ChatGPT)
Um mit der OpenAI API zu arbeiten, musst du dich auf der Plattform registrieren, einen API-Schlüssel erhalten und diesen zur Authentifizierung bei Anfragen nutzen.
Dann musst du die openai Bibliothek installieren – das ist deren offizieller Client.
pip install openai
Jetzt schicken wir denen mal eine Anfrage:
import openai
# Dein OpenAI API-Schlüssel
api_key = 'YOUR_OPENAI_API_KEY'
# Authentifizierung
openai.api_key = api_key
# Anfrage an das Modell ChatGPT
response = openai.Completion.create(
engine="text-davinci-003",
prompt="Erzähl mir einen interessanten Fakt über das Weltall.",
max_tokens=500
)
# Ausgabe der Antwort
print(response.choices[0].text.strip())
Du musst dich auf deren offizieller Webseite registrieren und einen Schlüssel bekommen. Wenn du ein neuer Nutzer bist (deine Telefonnummer ist nicht in der Datenbank), bekommst du einen Bonus von $20 auf dein Konto.
10.2 Google Cloud Vision API
Google Cloud Vision API bietet Möglichkeiten zur Bildanalyse, einschließlich Objekterkennung, Texterkennung, Gesichtserkennung und anderer Elemente. Derzeit ist die Google Bard API nicht öffentlich zugänglich und erfordert Authentifizierung über die Google Cloud Platform.
Schritt 1. Beginne mit der Installation der google-cloud-vision Bibliothek.
pip install google-cloud-vision
Schritt 2. Richte die Authentifizierung mit einem Service Account Key ein.
Beispielcode zur Bildanalyse:
from google.cloud import vision
import io
# Initialisierung des Clients
client = vision.ImageAnnotatorClient()
# Bild laden
file_name = 'path/to/your/image.jpg'
with io.open(file_name, 'rb') as image_file:
content = image_file.read()
image = vision.Image(content=content)
# Objekte erkennen
response = client.object_localization(image=image)
objects = response.localized_object_annotations
# Gefundene Objekte ausgeben
for object_ in objects:
print(f'Objektname: {object_.name}')
print(f'Score: {object_.score}')
Dieser Code erkennt Objekte im Bild und gibt eine Liste von gefundenen Objekten aus. Du kannst ihn leicht in dein Projekt integrieren und einen coolen Webservice oder eine App daraus machen.
10.3 Microsoft Text Analytics API
Azure Cognitive Services bietet API für die Textanalyse, einschließlich Sprachbestimmung, Sentimentanalyse, Extraktion von Schlüsselphrasen und Erkennung von Entitäten.
Die Sentimentanalyse von Text ist ein Prozess zur Bestimmung des emotionalen Tons des Textes (positiv, negativ oder neutral). Dies kann nützlich sein für die Analyse von Kundenbewertungen, das Monitoring sozialer Netzwerke oder die Bewertung der Reaktionen auf bestimmte Ereignisse oder Produkte.
Installation der Bibliothek und Authentifizierung
Schritt 1. Installiere die Azure Bibliothek:
pip install azure-ai-textanalytics
Schritt 2. Richte die Authentifizierung mit einem API-Schlüssel
und einem endpoint ein.
Beispielcode zur Sentimentanalyse:
from azure.ai.textanalytics import TextAnalyticsClient
from azure.core.credentials import AzureKeyCredential
# Initialisierung des Clients
endpoint = "YOUR_AZURE_ENDPOINT"
api_key = "YOUR_AZURE_API_KEY"
credential = AzureKeyCredential(api_key)
client = TextAnalyticsClient(endpoint=endpoint, credential=credential)
# Texte zur Analyse
documents = ["I love programming in Python!", "I'm feeling very happy today!"]
# Sentimentanalyse
response = client.analyze_sentiment(documents=documents)
# Ergebnisse ausgeben
for doc in response:
print(f"Sentiment: {doc.sentiment}")
print(f"Vertrauenswerte: {doc.confidence_scores}")
10.4 DeepAI (Text Summarization API)
DeepAI bietet APIs für verschiedene Machine-Learning-Aufgaben, einschließlich Textzusammenfassung.
Die Textzusammenfassung ist der Prozess, ein kurzes Resümee eines großen Textumfangs zu erstellen, wobei die Schlüsselideen und der Hauptinhalt erhalten bleiben. Das ist nützlich für ein schnelles Verständnis langer Dokumente, automatische Erstellung von Anmerkungen oder Verarbeitung großer Textmengen.
Installation der Bibliothek und Authentifizierung
Schritt 1. Installiere die requests Bibliothek:
pip install requests
Schritt 2. Verwende den API-Schlüssel zur Authentifizierung.
Beispielcode zur Textzusammenfassung:
import requests
# Dein DeepAI API-Schlüssel
api_key = 'YOUR_DEEPAI_API_KEY'
# Text zur Zusammenfassung
text = "Artificial intelligence (AI) is intelligence demonstrated by machines, in contrast to the natural intelligence displayed by humans and animals. Leading AI textbooks define the field as the study of 'intelligent agents': any device that perceives its environment and takes actions that maximize its chance of successfully achieving its goals."
# Anfrage an die API
response = requests.post(
"https://api.deepai.org/api/summarization",
data={'text': text},
headers={'api-key': api_key}
)
# Antwort erhalten
data = response.json()
# Ausgabe der Zusammenfassung
print(data['output'])
Mögliche Ausgabe
Wenn du den obigen Code mit dem richtigen API-Schlüssel ausführst, bekommst du etwas in der Art:
Artificial intelligence (AI) is the intelligence shown by machines, unlike natural intelligence in humans and
animals. AI studies 'intelligent agents': devices that perceive their environment and act to achieve their
goals.
Diese Zusammenfassung wird die Hauptpunkte des Originaltexts enthalten und ihn auf eine kürzere Version reduzieren. Beachte, dass das genaue Ergebnis je nach Algorithmus und Modellversion variieren kann, die in DeepAI verwendet werden.
GO TO FULL VERSION