Selecionando um Modelo Amazon Bedrock Ideal

Treinando Desafios de Códigos com IAs Generativas - 3/3

Descrição

Você foi contratado para desenvolver uma lista de dicionários chamado modelos_disponiveis contendo os modelos de inteligência artificial (IA) da Amazon Bedrock, dentro da lista crie três dicionários, sendo, nome, pontuacao_desempenho e preco_mensal, cada um deles representa um modelo disponível para recomendação e suas características.

Em seguida crie uma função chamada recomendar_modelo e receba dois parâmetros que será modelos e orçamento, que representa uma lista de modelos e o orçamento do usuário em unidades monetárias. Dentro da função recomendar_modelo verifique se o orçamento fornecido é suficiente para recomendar algum modelo. Se o orçamento for inferior a 250 unidades monetárias, a função retorna uma tupla com dois elementos:

1. "None": indicando que nenhum modelo pode ser recomendado.
2. Uma mensagem de aviso informando que o orçamento é muito baixo para recomendar um modelo adequado..

O objetivo geral do desafio é selecionar o melhor modelo que é escolhido com base no orçamento, priorizando modelos com preço mais próximo ao orçamento fornecido pelo usuário.

Detalhes dos Modelos:

• Modelo: Claude 3 Opus. Desempenho: 9. Preço mensal: $ 600;
• Modelo: Claude 3 Sonnet. Desempenho: 8. Preço mensal: $ 450;
• Modelo: Claude 3 Haiku. Desempenho: 7. Preço mensal: $ 350;

Atenção: Alguns dados que utilizados são simulados e podem não representar situações reais.

Entrada

O usuário deve fornecer os detalhes seu orçamento para que seja avaliado o melhor modelo com base no seu orçamento pelo preço mensal e desempenho.

Saída

Com base nos modelos fornecidos e no orçamento especificado, a função deve recomendar o modelo adequado conforme o seu orçamento. O melhor modelo sugerido deve ser escolhido com base no orçamento, priorizando modelos com preço mais próximo ao orçamento fornecido pelo usuário. Caso o orçamento seja menor do que 250, retorne uma mensagem informando: "Se orçamento é muito baixo para recomendar um modelo adequado."

Exemplos

A tabela abaixo apresenta exemplos com alguns dados de entrada e suas respectivas saídas esperadas. Certifique-se de testar seu programa com esses exemplos e com outros casos possíveis.

Resolução

modelos_disponiveis = [
    {"nome": "Claude 3 Opus", "pontuacao_desempenho": 9, "preco_mensal": 600},
    {"nome": "Claude 3 Sonnet", "pontuacao_desempenho": 8, "preco_mensal": 450},
    {"nome": "Claude 3 Haiku", "pontuacao_desempenho": 7, "preco_mensal": 350}
]
 
def recomendar_modelo(modelos, orcamento):
    if orcamento < 250:
        return None, "Seu orçamento é muito baixo para recomendar um modelo adequado."
 
    modelos_dentro_orcamento = [
        modelo for modelo in modelos if modelo['preco_mensal'] <= orcamento]
 
    if not modelos_dentro_orcamento:
        modelo_mais_proximo = min(
            modelos, key=lambda x: abs(x['preco_mensal'] - orcamento))
        return modelo_mais_proximo['nome'], "Este modelo está mais próximo do seu orçamento."
 
    melhor_modelo = max(modelos_dentro_orcamento,
                        key=lambda x: x['pontuacao_desempenho'])
    return melhor_modelo['nome'], "Melhor desempenho dentro do seu orçamento."
 
orcamento_usuario = float(input())
 
modelo_recomendado, motivo = recomendar_modelo(
    modelos_disponiveis, orcamento_usuario)
 
if modelo_recomendado:
    print(modelo_recomendado + ". " + motivo)
else:
    print(motivo)

Para encontrar outras soluções, verifique aqui.

Caso encontre algum erro ou tenha sugestões, clique aqui e abra uma issue no Github.