DeepSeek: como usar a IA chinesa no Python

O campo da Inteligência Artificial (IA) tem passado por uma verdadeira corrida tecnológica nos últimos anos. Novos produtos, serviços e modelos têm sido lançados quase que diariamente pelos players deste mercado. Dentre eles, teve destaque a empresa DeepSeek, com seu modelo R1 lançado recentemente de forma open source.

IA generativa, GenAI no inglês, é um tipo de inteligência artificial capaz de gerar textos, imagens, vídeos e outros tipos de dados usando modelos generativos. Um exemplo popular de IA generativa é o ChatGPT, da empresa OpenAI, que gera textos em resposta a um prompt (texto de entrada). A DeepSeek, por sua vez, lançou recentemente modelos, como o R1, para concorrer neste mercado de IA generativa.

Exemplo prático no Python

O DeepSeek oferece uma API para uso, porém há custos de utilização. Como alternativa, é possível usar o modelo de IA localmente, desde que hajam recursos computacionais suficientes para rodar o modelo. Graças ao Google Colab, podemos rodar o modelo sem muito esforço ou infraestrutura própria.

Para obter o código e o tutorial deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.

Primeiro, instalamos e importamos as bibliotecas oyama e ollama . Em seguida, definimos o modelo que quremos utilizar: deepseek-r1:32b . A biblioteca oyama vai fazer todos os downloads necessários automaticamente (isso pode demorar um pouco).

Por fim, basta usar o método .chat() para começar a interagir com a IA. Aqui perguntamos quantas letras R a palavra strawberry possui. Eis a resposta:

Conclusão

Na corrida da IA, novas ferramentas e modelos são lançados quase que diariamente. Neste artigo mostramos como a empresa chinesa DeepSeek tem competido neste mercado através do modelo R1 e damos um exemplo de utilização em Python.

Tenha acesso ao código e suporte desse e de mais 500 exercícios no Clube AM!

Quer o código desse e de mais de 500 exercícios de análise de dados com ideias validadas por nossos especialistas em problemas reais de análise de dados do seu dia a dia? Além de acesso a vídeos, materiais extras e todo o suporte necessário para você reproduzir esses exercícios? Então, fale com a gente no Whatsapp e veja como fazer parte do Clube AM, clicando aqui.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Automatizando a Construção de Códigos em Python com LangGraph

Neste post, mostramos como construir um agente de código em Python utilizando LangGraph, LangChain e Gemini. A proposta é construir um protótipo para automatizar o ciclo completo de geração, execução e correção de código com o uso de LLMs, organizando o processo em um grafo de estados.

Análise de Dados com REPL Tool e LLM usando LangGraph

Neste post, vamos mostrar como você pode criar um agente que interpreta e executa código Python em tempo real, utilizando o REPL-Tool e um LLM da família Gemini. Começamos com um exemplo genérico e, em seguida, aplicamos a mesma estrutura à análise econômica de uma série histórica do IPCA.

Frameworks para criar AI Agents

Neste post, vamos dar o primeiro passo rumo à construção de Agentes de IA mais sofisticados, capazes de tomar decisões, interagir com ferramentas externas e lidar com tarefas complexas. Para isso, precisamos entender o papel dos frameworks agenticos (ou agentic frameworks) e como eles podem facilitar esse processo. Aqui introduzimos dois frameworks populares de desenvolvimento de Agentes de IA.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.