¡Enhorabuena!

Trabajar con DeepSeek en Python

James Chapman

AI Curriculum Lead, DataCamp

Capítulo 1

 

  • Crear solicitudes para DeepSeek en modos chat y reasoning

El flujo de trabajo de alto nivel de reasoning: pensar, hacer y actualizar el conocimiento.

El logotipo de DeepSeek.

client = OpenAI(api_key="<TogetherAI API Key>")

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4.1-Flash",
    messages=[{"role": "user", "content": "..."}]
)
print(response.choices[0].message.content)
Trabajar con DeepSeek en Python

Capítulo 2

response = client.chat.completions.create(
  model="deepseek-ai/DeepSeek-V4.1-Flash",
  messages=[{"role": "user", "content": "..."}],
  max_tokens=20,
  temperature=0.5
)
  • Preguntas y respuestas (Q&A)
  • Transformación de texto
  • Generación de contenido
  • Categorización, p. ej., análisis de sentimiento
  • Depuración de código
  • max_tokens y temperature

Diferentes aplicaciones de los modelos DeepSeek.

Trabajar con DeepSeek en Python

Capítulo 3

 

  • "system"

    • Guiar las salidas del modelo
    • Añadir guardrails

  • "assistant"

    • Few-shot estructurado
    • Construir historial de conversación

Los tres roles en una interacción de chat: el sistema, el usuario y el asistente.

Trabajar con DeepSeek en Python

¿Y ahora qué?

 

→ Aplicaciones de IA

→ Más sobre DeepSeek

Trabajar con DeepSeek en Python

¡Vamos a practicar!

Trabajar con DeepSeek en Python

Preparing Video For Download...