Gratulacje!

Praca z DeepSeek w Pythonie

James Chapman

AI Curriculum Lead, DataCamp

Rozdział 1

 

  • Tworzenie zapytań do DeepSeek w trybie czatu i trybie rozumowania

Ogólny schemat rozumowania: myślenie, działanie i aktualizacja wiedzy.

Logo DeepSeek.

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

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Pro",
    messages=[{"role": "user", "content": "..."}]
)
print(response.choices[0].message.content)
Praca z DeepSeek w Pythonie

Rozdział 2

response = client.chat.completions.create(
  model="deepseek-ai/DeepSeek-V4-Pro",
  messages=[{"role": "user", "content": "..."}],
  max_tokens=20,
  temperature=0.5
)
  • Pytania i odpowiedzi
  • Przekształcanie tekstu
  • Generowanie treści
  • Kategoryzacja, np. analiza sentymentu
  • Debugowanie kodu
  • max_tokens i temperature

Różne zastosowania modeli DeepSeek.

Praca z DeepSeek w Pythonie

Rozdział 3

 

  • "system"

    • Sterowanie wynikami modelu
    • Dodawanie ograniczeń

  • "assistant"

    • Strukturalne prompty few-shot
    • Budowanie historii rozmowy

Trzy role w interakcji czatu: system, użytkownik i asystent.

Praca z DeepSeek w Pythonie

Co dalej?

 

→ Zastosowania AI

→ Więcej o DeepSeek

Praca z DeepSeek w Pythonie

Czas na praktykę!

Praca z DeepSeek w Pythonie

Preparing Video For Download...