README.md

Einstieg in diesen Kurs

Wir freuen uns sehr, dass Sie mit diesem Kurs beginnen und sehen, was Sie inspiriert, mit Generativer KI zu bauen!

Um Ihren Erfolg sicherzustellen, beschreibt diese Seite die Einrichtungsschritte, technischen Anforderungen und wo Sie Hilfe bekommen können, falls nötig.

Einrichtungsschritte

Um diesen Kurs zu beginnen, müssen Sie die folgenden Schritte abschließen.

1. Forken Sie dieses Repo

Forken Sie dieses gesamte Repo in Ihr eigenes GitHub-Konto, um Code ändern und die Herausforderungen abschließen zu können. Sie können auch dieses Repo mit einem Stern (🌟) versehen, um es und verwandte Repos leichter zu finden.

2. Erstellen Sie einen Codespace

Um Abhängigkeitsprobleme beim Ausführen des Codes zu vermeiden, empfehlen wir, diesen Kurs in einem GitHub Codespaces auszuführen.

Dieser kann erstellt werden, indem Sie die Code-Option in Ihrer geforkten Version dieses Repos auswählen und die Codespaces-Option auswählen.

3. Speichern Ihrer API-Schlüssel

Es ist wichtig, Ihre API-Schlüssel sicher und geschützt zu halten, wenn Sie eine Anwendung entwickeln. Wir empfehlen, keine API-Schlüssel direkt in Ihrem Code zu speichern. Das Committen dieser Details in ein öffentliches Repository könnte zu Sicherheitsproblemen und sogar unerwünschten Kosten führen, wenn sie von einem böswilligen Akteur genutzt werden. Hier ist eine Schritt-für-Schritt-Anleitung, wie man eine .env-Datei für Python erstellt und die GITHUB_TOKEN hinzufügt:

1. Navigieren Sie zu Ihrem Projektverzeichnis: Öffnen Sie Ihr Terminal oder Ihre Eingabeaufforderung und navigieren Sie zum Stammverzeichnis Ihres Projekts, wo Sie die .env-Datei erstellen möchten.

   cd path/to/your/project

2. Erstellen Sie die .env-Datei: Verwenden Sie Ihren bevorzugten Texteditor, um eine neue Datei namens .env zu erstellen. Wenn Sie die Befehlszeile verwenden, können Sie touch (on Unix-based systems) or echo (auf Windows) verwenden:

   Unix-basierte Systeme:

   touch .env

   Windows:

   echo . > .env

3. Bearbeiten Sie die .env-Datei: Öffnen Sie die .env-Datei in einem Texteditor (z.B. VS Code, Notepad++ oder einem anderen Editor). Fügen Sie die folgende Zeile in die Datei ein und ersetzen Sie your_github_token_here durch Ihren tatsächlichen GitHub-Token:

   GITHUB_TOKEN=your_github_token_here

4. Speichern Sie die Datei: Speichern Sie die Änderungen und schließen Sie den Texteditor.

5. Installieren Sie das python-dotenv: If you haven't already, you'll need to install the python-dotenv-Paket, um Umgebungsvariablen aus der .env-Datei in Ihre Python-Anwendung zu laden. Sie können es mit pip installieren:

   pip install python-dotenv

6. Laden Sie Umgebungsvariablen in Ihrem Python-Skript: Verwenden Sie in Ihrem Python-Skript das python-dotenv-Paket, um die Umgebungsvariablen aus der .env-Datei zu laden:

   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)

Das war's! Sie haben erfolgreich eine .env-Datei erstellt, Ihren GitHub-Token hinzugefügt und ihn in Ihre Python-Anwendung geladen.

Wie man lokal auf Ihrem Computer ausführt

Um den Code lokal auf Ihrem Computer auszuführen, benötigen Sie eine Version von Python installiert.

Um das Repository zu verwenden, müssen Sie es klonen:

git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginners

Sobald Sie alles ausgecheckt haben, können Sie loslegen!

Optionale Schritte

Miniconda installieren

Miniconda ist ein leichter Installer zur Installation von Conda, Python sowie einigen Paketen. Conda selbst ist ein Paketmanager, der es einfach macht, verschiedene Python virtuelle Umgebungen und Pakete einzurichten und zwischen ihnen zu wechseln. Es ist auch praktisch, um Pakete zu installieren, die nicht über pip.

You can follow the MiniConda installation guide to set it up.

With Miniconda installed, you need to clone the repository (if you haven't already)

Next, you need to create a virtual environment. To do this with Conda, go ahead and create a new environment file (environment.yml). If you are following along using Codespaces, create this within the .devcontainer directory, thus .devcontainer/environment.yml verfügbar sind.

Füllen Sie Ihre Umgebungsdatei mit dem untenstehenden Snippet aus:

name: <environment-name>
channels:
 - defaults
 - microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
    - azure-ai-ml

Wenn Sie Fehler mit conda feststellen, können Sie die Microsoft AI Libraries manuell mit dem folgenden Befehl in einem Terminal installieren.

conda install -c microsoft azure-ai-ml

Die Umgebungsdatei gibt die benötigten Abhängigkeiten an. <environment-name> refers to the name you would like to use for your Conda environment, and <python-version> is the version of Python you would like to use, for example, 3 ist die neueste Hauptversion von Python.

Damit können Sie Ihre Conda-Umgebung erstellen, indem Sie die folgenden Befehle in Ihrer Befehlszeile/Ihrem Terminal ausführen

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer sub path applies to only Codespace setups
conda activate ai4beg

Wenn Sie auf Probleme stoßen, konsultieren Sie den Conda-Umgebungen-Leitfaden.

Verwendung von Visual Studio Code mit der Python-Unterstützungserweiterung

Wir empfehlen, den Visual Studio Code (VS Code) Editor mit der Python-Unterstützungserweiterung für diesen Kurs zu verwenden. Dies ist jedoch mehr eine Empfehlung und keine zwingende Voraussetzung.

Hinweis: Wenn Sie das Kurs-Repository in VS Code öffnen, haben Sie die Möglichkeit, das Projekt innerhalb eines Containers einzurichten. Dies liegt an dem speziellen .devcontainer Verzeichnis im Kurs-Repository. Mehr dazu später.

Hinweis: Sobald Sie das Verzeichnis in VS Code klonen und öffnen, wird es automatisch vorschlagen, eine Python-Unterstützungserweiterung zu installieren.

Hinweis: Wenn VS Code vorschlägt, das Repository in einem Container erneut zu öffnen, lehnen Sie diese Anfrage ab, um die lokal installierte Version von Python zu verwenden.

Verwendung von Jupyter im Browser

Sie können auch an dem Projekt im Jupyter-Umfeld direkt in Ihrem Browser arbeiten. Sowohl klassisches Jupyter als auch Jupyter Hub bieten eine angenehme Entwicklungsumgebung mit Funktionen wie Autovervollständigung, Code-Hervorhebung usw.

Um Jupyter lokal zu starten, gehen Sie zum Terminal/Befehlszeile, navigieren Sie zum Kursverzeichnis und führen Sie aus:

jupyter notebook

oder

jupyterhub

Dies wird eine Jupyter-Instanz starten und die URL zum Zugriff darauf wird im Befehlszeilenfenster angezeigt.

Sobald Sie die URL aufrufen, sollten Sie den Kursüberblick sehen und zu jeder *.ipynb file. For example, 08-building-search-applications/python/oai-solution.ipynb.

Running in a container

An alternative to setting everything up on your computer or Codespace is to use a container. The special .devcontainer folder within the course repository makes it possible for VS Code to set up the project within a container. Outside of Codespaces, this will require the installation of Docker, and quite frankly, it involves a bit of work, so we recommend this only to those with experience working with containers.

One of the best ways to keep your API keys secure when using GitHub Codespaces is by using Codespace Secrets. Please follow the Codespaces secrets management guide to learn more about this.

Lessons and Technical Requirements

The course has 6 concept lessons and 6 coding lessons.

For the coding lessons, we are using the Azure OpenAI Service. You will need access to the Azure OpenAI service and an API key to run this code. You can apply to get access by completing this application.

While you wait for your application to be processed, each coding lesson also includes a README.md Datei navigieren können, in der Sie den Code und die Ausgaben anzeigen können.

Nutzung des Azure OpenAI-Dienstes zum ersten Mal

Wenn Sie zum ersten Mal mit dem Azure OpenAI-Dienst arbeiten, folgen Sie bitte dieser Anleitung, wie Sie eine Azure OpenAI-Dienstressource erstellen und bereitstellen.

Nutzung der OpenAI-API zum ersten Mal

Wenn Sie zum ersten Mal mit der OpenAI-API arbeiten, folgen Sie bitte der Anleitung, wie Sie die Schnittstelle erstellen und verwenden.

Treffen Sie andere Lernende

Wir haben Kanäle in unserem offiziellen AI Community Discord Server erstellt, um andere Lernende zu treffen. Dies ist eine großartige Möglichkeit, sich mit anderen gleichgesinnten Unternehmern, Entwicklern, Studenten und allen, die sich im Bereich Generative KI weiterentwickeln möchten, zu vernetzen.

Das Projektteam wird auch auf diesem Discord-Server sein, um allen Lernenden zu helfen.

Beitrag leisten

Dieser Kurs ist eine Open-Source-Initiative. Wenn Sie Verbesserungsmöglichkeiten oder Probleme sehen, erstellen Sie bitte eine Pull-Anfrage oder melden Sie ein GitHub-Problem.

Das Projektteam wird alle Beiträge verfolgen. Das Beitragen zu Open Source ist eine großartige Möglichkeit, Ihre Karriere in Generativer KI aufzubauen.

Die meisten Beiträge erfordern, dass Sie einem Contributor License Agreement (CLA) zustimmen, das erklärt, dass Sie das Recht haben und tatsächlich tun, uns die Rechte zur Nutzung Ihres Beitrags zu gewähren. Für Details besuchen Sie CLA, Contributor License Agreement Webseite.

Wichtig: Wenn Sie Text in diesem Repo übersetzen, stellen Sie bitte sicher, dass Sie keine maschinelle Übersetzung verwenden. Wir werden Übersetzungen über die Community überprüfen, also melden Sie sich bitte nur für Übersetzungen in Sprachen, in denen Sie versiert sind.

Wenn Sie eine Pull-Anfrage einreichen, wird ein CLA-Bot automatisch bestimmen, ob Sie eine CLA bereitstellen müssen und die PR entsprechend dekorieren (z.B. Label, Kommentar). Folgen Sie einfach den Anweisungen des Bots. Sie müssen dies nur einmal für alle Repositories tun, die unsere CLA verwenden.

Dieses Projekt hat den Microsoft Open Source Code of Conduct übernommen. Für weitere Informationen lesen Sie die Code of Conduct FAQ oder kontaktieren Sie Email opencode mit zusätzlichen Fragen oder Kommentaren.

Lassen Sie uns anfangen

Jetzt, da Sie die notwendigen Schritte abgeschlossen haben, um diesen Kurs abzuschließen, lassen Sie uns mit einer Einführung in Generative KI und LLMs beginnen.

Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir haften nicht für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.