¡Estamos muy emocionados de que empieces este curso y veas qué te inspira a construir con la IA Generativa!
Para garantizar tu éxito, esta página detalla los pasos de configuración, los requisitos técnicos y dónde obtener ayuda si es necesario.
Para comenzar este curso, necesitarás completar los siguientes pasos.
Haz un fork de todo este repositorio en tu propia cuenta de GitHub para poder cambiar cualquier código y completar los desafíos. También puedes marcar con estrella (🌟) este repositorio para encontrarlo y otros repositorios relacionados más fácilmente.
Para evitar problemas de dependencias al ejecutar el código, recomendamos realizar este curso en un GitHub Codespaces.
En tu fork: Code -> Codespaces -> New on main
- ⚙️ Icono de engranaje -> Command Palette -> Codespaces : Manage user secret -> Add a new secret.
- Nombra OPENAI_API_KEY, pega tu clave, Guarda.
| Quiero… | Ir a… |
|---|---|
| Comenzar la Lección 1 | 01-introduction-to-genai |
| Trabajar sin conexión | setup-local.md |
| Configurar un proveedor de LLM | providers.md |
| Conocer a otros estudiantes | Únete a nuestro Discord |
| Síntoma | Solución |
|---|---|
| La construcción del contenedor se queda atascada > 10 min | Codespaces ➜ “Rebuild Container” |
python: command not found |
El terminal no se adjuntó; haz clic en + ➜ bash |
401 Unauthorized de OpenAI |
Clave OPENAI_API_KEY incorrecta o caducada |
| VS Code muestra “Dev container mounting…” | Actualiza la pestaña del navegador—Codespaces a veces pierde conexión |
| Falta el kernel del notebook | Menú del notebook ➜ Kernel ▸ Select Kernel ▸ Python 3 |
Sistemas basados en Unix:
touch .envWindows:
echo . > .env-
Edita el archivo
.env: Abre el archivo.enven un editor de texto (por ejemplo, VS Code, Notepad++ u otro editor). Agrega la siguiente línea al archivo, reemplazandoyour_github_token_herecon tu token real de GitHub:GITHUB_TOKEN=your_github_token_here
-
Guarda el archivo: Guarda los cambios y cierra el editor de texto.
-
Instala
python-dotenv: Si aún no lo has hecho, necesitarás instalar el paquetepython-dotenvpara cargar las variables de entorno desde el archivo.enven tu aplicación de Python. Puedes instalarlo usandopip:pip install python-dotenv
-
Carga las variables de entorno en tu script de Python: En tu script de Python, utiliza el paquete
python-dotenvpara cargar las variables de entorno desde el archivo.env:from dotenv import load_dotenv import os # Load environment variables from .env file load_dotenv() # Access the GITHUB_TOKEN variable github_token = os.getenv("GITHUB_TOKEN") print(github_token)
¡Eso es todo! Has creado exitosamente un archivo .env, agregado tu token de GitHub y lo has cargado en tu aplicación de Python.
Para ejecutar el código localmente en tu computadora, necesitarás tener alguna versión de Python instalada.
Para usar el repositorio, necesitas clonarlo:
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginnersUna vez que tengas todo descargado, ¡puedes comenzar!
Miniconda es un instalador ligero para instalar Conda, Python, así como algunos paquetes.
Conda en sí es un gestor de paquetes que facilita la configuración y el cambio entre diferentes entornos virtuales de Python y paquetes. También es útil para instalar paquetes que no están disponibles a través de pip.
Puedes seguir la guía de instalación de MiniConda para configurarlo.
Con Miniconda instalado, necesitas clonar el repositorio (si aún no lo has hecho).
Luego, necesitas crear un entorno virtual. Para hacerlo con Conda, crea un nuevo archivo de entorno (environment.yml). Si estás siguiendo el curso usando Codespaces, crea esto dentro del directorio .devcontainer, es decir, .devcontainer/environment.yml.
Llena tu archivo de entorno con el siguiente fragmento:
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-mlSi encuentras errores al usar conda, puedes instalar manualmente las bibliotecas de Microsoft AI usando el siguiente comando en un terminal.
conda install -c microsoft azure-ai-ml
El archivo de entorno especifica las dependencias que necesitamos. <environment-name> se refiere al nombre que te gustaría usar para tu entorno de Conda, y <python-version> es la versión de Python que te gustaría usar, por ejemplo, 3 es la última versión principal de Python.
Con eso hecho, puedes crear tu entorno Conda ejecutando los siguientes comandos en tu línea de comandos/terminal:
conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer sub path applies to only Codespace setups
conda activate ai4begConsulta la guía de entornos de Conda si encuentras algún problema.
Recomendamos usar el editor Visual Studio Code (VS Code) con la extensión de soporte para Python instalada para este curso. Sin embargo, esto es más una recomendación y no un requisito definitivo.
Nota: Al abrir el repositorio del curso en VS Code, tienes la opción de configurar el proyecto dentro de un contenedor. Esto se debe al directorio especial
.devcontainerque se encuentra dentro del repositorio del curso. Más sobre esto más adelante.
Nota: Una vez que clones y abras el directorio en VS Code, automáticamente te sugerirá instalar una extensión de soporte para Python.
Nota: Si VS Code sugiere que vuelvas a abrir el repositorio en un contenedor, rechaza esta solicitud para usar la versión de Python instalada localmente.
También puedes trabajar en el proyecto usando el entorno Jupyter directamente en tu navegador. Tanto Jupyter clásico como Jupyter Hub ofrecen un entorno de desarrollo agradable con características como autocompletado, resaltado de código, etc.
Para iniciar Jupyter localmente, dirígete al terminal/línea de comandos, navega al directorio del curso y ejecuta:
jupyter notebooko
jupyterhubEsto iniciará una instancia de Jupyter y la URL para acceder a ella se mostrará en la ventana de la línea de comandos.
Una vez que accedas a la URL, deberías ver el esquema del curso y poder navegar a cualquier archivo *.ipynb. Por ejemplo, 08-building-search-applications/python/oai-solution.ipynb.
Una alternativa a configurar todo en tu computadora o Codespace es usar un contenedor. La carpeta especial .devcontainer dentro del repositorio del curso hace posible que VS Code configure el proyecto dentro de un contenedor. Fuera de Codespaces, esto requerirá la instalación de Docker, y francamente, implica un poco de trabajo, por lo que recomendamos esto solo a aquellos con experiencia trabajando con contenedores.
Una de las mejores maneras de mantener tus claves API seguras al usar GitHub Codespaces es utilizando Secrets de Codespaces. Por favor, sigue la guía de gestión de secretos de Codespaces para aprender más sobre esto.
El curso tiene 6 lecciones conceptuales y 6 lecciones de codificación.
Para las lecciones de codificación, estamos utilizando el servicio Azure OpenAI. Necesitarás acceso al servicio Azure OpenAI y una clave API para ejecutar este código. Puedes solicitar acceso completando esta aplicación.
Mientras esperas que tu solicitud sea procesada, cada lección de codificación también incluye un archivo README.md donde puedes ver el código y los resultados.
Si es tu primera vez trabajando con el servicio Azure OpenAI, por favor sigue esta guía sobre cómo crear y desplegar un recurso del servicio Azure OpenAI.
Si es tu primera vez trabajando con la API de OpenAI, por favor sigue la guía sobre cómo crear y usar la interfaz.
Hemos creado canales en nuestro servidor oficial de Discord de la Comunidad de IA para conocer a otros estudiantes. Esta es una excelente manera de hacer networking con otros emprendedores, constructores, estudiantes y cualquier persona que busque mejorar en IA Generativa.
El equipo del proyecto también estará en este servidor de Discord para ayudar a los estudiantes.
Este curso es una iniciativa de código abierto. Si ves áreas de mejora o problemas, por favor crea un Pull Request o registra un problema en GitHub.
El equipo del proyecto estará rastreando todas las contribuciones. Contribuir al código abierto es una manera increíble de construir tu carrera en IA Generativa.
La mayoría de las contribuciones requieren que aceptes un Acuerdo de Licencia de Contribuidor (CLA) declarando que tienes el derecho y realmente otorgas los derechos para usar tu contribución. Para más detalles, visita CLA, sitio web del Acuerdo de Licencia de Contribuidor.
Importante: al traducir texto en este repositorio, asegúrate de no usar traducción automática. Verificaremos las traducciones a través de la comunidad, así que por favor solo ofrece traducciones en idiomas en los que seas competente.
Cuando envíes un pull request, un CLA-bot determinará automáticamente si necesitas proporcionar un CLA y decorará el PR apropiadamente (por ejemplo, etiqueta, comentario). Simplemente sigue las instrucciones proporcionadas por el bot. Solo necesitarás hacer esto una vez en todos los repositorios que usen nuestro CLA.
Este proyecto ha adoptado el Código de Conducta de Código Abierto de Microsoft. Para más información, lee las Preguntas Frecuentes sobre el Código de Conducta o contacta a Email opencode con cualquier pregunta o comentario adicional.
Ahora que has completado los pasos necesarios para finalizar este curso, comencemos obteniendo una introducción a la IA Generativa y los LLMs.
Descargo de responsabilidad:
Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que surjan del uso de esta traducción.