أطلق قوة بياناتك: بناء تحليلات مدعومة بالذكاء الاصطناعي مع Gemini API من Google

في عالم الأعمال المتمركز حول البيانات اليوم، يكمن مفتاح الاستفادة من بيانات مؤسستك في تحويلها إلى رؤى قابلة للتنفيذ. Gemini API من Google هو أداة قوية تمكّن المطورين من بناء تحليلات مدعومة بالذكاء الاصطناعي. ترشدك هذه المقالة خطوة بخطوة لبناء نظام تحليلات الذكاء الاصطناعي الخاص بك باستخدام هذا API القوي.

مقدمة إلى Gemini API

يوفر Gemini API من Google منصة متطورة لدمج الذكاء الاصطناعي في عمليات تحليل البيانات الخاصة بك. إنه مصمم لتسهيل إنشاء تطبيقات قادرة على تحويل الاستعلامات إلى أوامر SQL والاستجابة بلغة طبيعية. سواء كنت مطوراً مبتدئاً أو متمرساً، يمكن أن يكون تنفيذ Gemini API نقطة تحول لاحتياجات تحليلات البيانات الخاصة بك.

خطوات بناء تحليلات مدعومة بالذكاء الاصطناعي مع Gemini API

الخطوة 1: إعداد المشروع

إنشاء مثيل Cloud Shell

أولاً، سنقوم بإعداد مثيل Cloud Shell للمشروع:

• انقر هنا لإنشاء مثيل Cloud Shell لـ SQL Talk
• هذا الرابط يقوم بإعداد مثيل Google Cloud Shell Editor ويستنسخ مستودع SQL Talk في المثيل

الحصول على معرف مشروع Cloud

لتمكين المشروع من الاتصال بخدمات Google Cloud:

1. انتقل إلى وحدة تحكم Google Cloud وسجل الدخول إذا لزم الأمر
2. اختر مشروع Cloud موجود أو أنشئ واحداً جديداً
3. لاحظ معرف مشروع Cloud

تكوين مشروع SQL Talk

داخل Cloud Shell Editor، نفذ الأوامر التالية لإعداد المشروع:

gcloud config set project YOUR_PROJECT_ID
cd ~/cloudshell_open/generative-ai/gemini/function-calling/sql-talk-app
bash setup.sh

الخطوة 2: اختبار المشروع

للتأكد من أن التطبيق يعمل بشكل صحيح:

1. في نافذة Cloud Shell Editor، أعد الاتصال بمعرف مشروع Cloud إذا لزم الأمر:

gcloud config set project YOUR_PROJECT_ID

2. انتقل إلى دليل المشروع وشغّل التطبيق:

cd ~/cloudshell_open/generative-ai/gemini/function-calling/sql-talk-app
~/miniforge/bin/streamlit run app.py --server.enableCORS=false --server.enableXsrfProtection=false --server.port 8080

3. معاينة التطبيق في متصفحك بالنقر على زر Web Preview واختيار المنفذ 8080.

الخطوة 3: تعديل التطبيق

إضافة تعريف استدعاء دالة جديد

حسّن التطبيق بتعريف دالة لسرد استعلامات قاعدة البيانات الأخيرة:

1. افتح ملف كود التطبيق (sql-talk-app/app.py) في Cloud Shell Editor

2. أضف تعريف الدالة الجديد:

list_jobs_func = FunctionDeclaration(
    name="list_jobs",
    description="احصل على قائمة بأحدث 10 طلبات قاعدة بيانات للمساعدة في الإجابة على سؤال المستخدم",
    parameters={
        "type": "object",
        "properties": {  },
    },
)

3. ادمج الدالة الجديدة في كائن sql_query_tool:

sql_query_tool = Tool(
    function_declarations=[
        sql_query_func,
        list_datasets_func,
        list_jobs_func,  # الدالة الجديدة مضافة هنا
        list_tables_func,
        get_table_func,
    ],
)

4. قم بتعيين الدالة الجديدة إلى استدعاء API الخاص بها داخل حلقة function_calling_in_process:

if response.function_call.name == "list_jobs":
    api_response = client.list_jobs(max_results=10)  # طلب(ات) API
    api_response = str([job.job_id for job in api_response])
    api_requests_and_responses.append(
        [response.function_call.name, params, api_response]
    )

موارد إضافية

لمزيد من التفاصيل والتحديثات، فكر في زيارة هذه الموارد:

• مجتمع مطوري Google Cloud
• Google AI Studio
• مستودع الكود

الخلاصة والخطوات التالية

باتباع هذه الخطوات، وضعت الأساس لنظام تحليلات قوي مدعوم بالذكاء الاصطناعي. يوفر Gemini API من Google الأدوات اللازمة لتحويل بيانات مؤسستك إلى رؤى قيّمة، مما يمكّن من اتخاذ قرارات أفضل. استمر في الاستكشاف والابتكار مع الموارد المقدمة للاستفادة الكاملة من قدرات الذكاء الاصطناعي في تحليلات البيانات.

مصدر هذه المقالة من Google AI for Developer.

المراجع:

• وثائق Gemini API من Google
• دليل إعداد المشروع