Grattis!

Arbeta med DeepSeek i Python

James Chapman

AI Curriculum Lead, DataCamp

Kapitel 1

 

  • Skapa förfrågningar till DeepSeek i chatt- och reasoning-läge

Det övergripande reasoning-arbetsflödet: tänka, agera och uppdatera kunskapen.

DeepSeek-logotypen.

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)
Arbeta med DeepSeek i Python

Kapitel 2

response = client.chat.completions.create(
  model="deepseek-ai/DeepSeek-V4-Pro",
  messages=[{"role": "user", "content": "..."}],
  max_tokens=20,
  temperature=0.5
)
  • Frågor och svar
  • Textomvandling
  • Innehållsgenerering
  • Kategorisering, t.ex. sentimentanalys
  • Kodfelsökning
  • max_tokens och temperature

Olika tillämpningar för DeepSeek-modeller.

Arbeta med DeepSeek i Python

Kapitel 3

 

  • "system"

    • Styra modellens utdata
    • Lägga till skyddsmekanismer

  • "assistant"

    • Strukturerad few-shot-promptning
    • Bygga upp en konversationshistorik

De tre rollerna i en chattinteraktion: system, användare och assistent.

Arbeta med DeepSeek i Python

Vad händer nu?

 

→ AI-applikationer

→ Mer om DeepSeek

Arbeta med DeepSeek i Python

Nu kör vi en övning!

Arbeta med DeepSeek i Python

Preparing Video For Download...