このコースを始め、生成的AIでどんなものを作るインスピレーションを得られるか、私たちはとても楽しみにしています！
成功を確実にするために、このページではセットアップ手順、技術要件、必要な場合のヘルプの取得方法を説明します。
このコースを始めるには、以下の手順を完了する必要があります。
このリポジトリ全体をフォークし、自分のGitHubアカウントでコードを変更し、チャレンジを完了できるようにします。また、このリポジトリをスター（🌟）することで、関連リポジトリを簡単に見つけられるようにします。
コードを実行する際の依存関係の問題を避けるために、このコースをGitHub Codespacesで実行することをお勧めします。
これは、フォークしたリポジトリのCodeオプションを選択し、Codespacesオプションを選択することで作成できます。
アプリケーションを構築する際、APIキーを安全に保つことは重要です。APIキーをコードに直接保存しないことをお勧めします。これらの詳細を公開リポジトリにコミットすると、セキュリティ問題や悪意あるユーザーによる不正なコストが発生する可能性があります。
Python用の.envファイルを作成し、GITHUB_TOKENを追加する手順ガイドを以下に示します。
-
プロジェクトディレクトリに移動する: ターミナルまたはコマンドプロンプトを開き、
.envファイルを作成したいプロジェクトのルートディレクトリに移動します。cd path/to/your/project -
.envファイルを作成する: お好みのテキストエディタを使用して、.envという名前の新しいファイルを作成します。コマンドラインを使用している場合、touch(on Unix-based systems) orecho（Windowsの場合）を使用できます。Unix系システム:
touch .env
Windows:
echo . > .env
-
.envファイルを編集する: テキストエディタ（例: VS Code, Notepad++ など）で.envファイルを開きます。ファイルに以下の行を追加し、your_github_token_hereを実際のGitHubトークンに置き換えます。GITHUB_TOKEN=your_github_token_here
-
ファイルを保存する: 変更を保存し、テキストエディタを閉じます。
-
python-dotenv: If you haven't already, you'll need to install thepython-dotenvパッケージをインストールして、環境変数を.envファイルからPythonアプリケーションに読み込む**:pipを使用してインストールできます。pip install python-dotenv
-
Pythonスクリプトで環境変数を読み込む: Pythonスクリプトで、
python-dotenvパッケージを使用して.envファイルから環境変数を読み込みます。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)
以上で完了です！.envファイルを作成し、GitHubトークンを追加し、それをPythonアプリケーションに読み込むことに成功しました。
コンピュータ上でコードをローカルに実行するには、何らかのバージョンのPythonをインストールしておく必要があります。
その後、リポジトリを使用するには、それをクローンする必要があります。
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginnersすべてのチェックアウトが完了したら、始めることができます！
Minicondaは、Conda、Python、いくつかのパッケージをインストールするための軽量インストーラーです。
Conda自体はパッケージマネージャーであり、異なるPython仮想環境やパッケージ間のセットアップと切り替えを簡単にします。また、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経由で利用できないパッケージのインストールにも便利です。
以下のスニペットで環境ファイルを設定してください。
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-ml
Condaを使用してエラーが発生する場合は、以下のコマンドをターミナルで実行してMicrosoft AIライブラリを手動でインストールできます。
conda install -c microsoft azure-ai-ml
環境ファイルは必要な依存関係を指定します。<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はPythonの最新のメジャーバージョンです。
これで、コマンドライン/ターミナルで以下のコマンドを実行してConda環境を作成できます。
conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer sub path applies to only Codespace setups
conda activate ai4beg問題が発生した場合は、Conda環境ガイドを参照してください。
このコースにはVisual Studio Code (VS Code)エディタを使用し、Pythonサポート拡張機能をインストールすることをお勧めします。ただし、これは推奨であり、必須ではありません。
注: VS Codeでコースリポジトリを開くことで、プロジェクトをコンテナ内で設定するオプションがあります。これは、コースリポジトリ内にある特別な
.devcontainerディレクトリがあるためです。詳細は後述します。
注: ディレクトリをクローンしてVS Codeで開くと、Pythonサポート拡張機能をインストールするように自動的に提案されます。
注: VS Codeがリポジトリをコンテナで再オープンすることを提案する場合、ローカルにインストールされたPythonバージョンを使用するためにこのリクエストを拒否してください。
ブラウザ内でJupyter環境を使用してプロジェクトに取り組むこともできます。クラシックなJupyterとJupyter Hubの両方が、オートコンプリートやコードハイライトなどの機能を備えた非常に快適な開発環境を提供します。
ローカルでJupyterを開始するには、ターミナル/コマンドラインを開き、コースディレクトリに移動して以下を実行します。
jupyter notebookまたは
jupyterhubこれによりJupyterインスタンスが開始され、アクセスするためのURLがコマンドラインウィンドウに表示されます。
URLにアクセスすると、コースの概要が表示され、任意の*.ipynb file. For example, 08-building-search-applications/python/oai-solution.ipynb.
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.
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ファイルに移動してコードと出力を確認できます。
Azure OpenAIサービスを初めて使用する場合は、Azure OpenAIサービスリソースを作成してデプロイする方法に関するガイドに従ってください。
OpenAI APIを初めて使用する場合は、インターフェースを作成して使用する方法に関するガイドに従ってください。
公式のAIコミュニティDiscordサーバーに他の学習者と交流するためのチャンネルを作成しました。これは、同じ志を持つ起業家、開発者、学生、生成的AIでレベルアップを目指す人々とネットワークを築く素晴らしい方法です。
プロジェクトチームもこのDiscordサーバーで学習者をサポートします。
このコースはオープンソースの取り組みです。改善点や問題を見つけた場合は、プルリクエストを作成するか、GitHub issueをログしてください。
プロジェクトチームはすべての貢献を追跡します。オープンソースに貢献することは、生成的AIでキャリアを築く素晴らしい方法です。
ほとんどの貢献には、寄稿者ライセンス契約（CLA）に同意し、貢献を使用する権利を私たちに与えることを宣言する必要があります。詳細については、CLA、寄稿者ライセンス契約ウェブサイトをご覧ください。
重要: このリポジトリのテキストを翻訳する際には、機械翻訳を使用しないようにしてください。コミュニティを通じて翻訳を検証しますので、習熟している言語でのみ翻訳をボランティアしてください。
プルリクエストを送信すると、CLA-botが自動的にCLAを提供する必要があるかどうかを判断し、適切にPRを装飾します（例: ラベル、コメント）。ボットの指示に従ってください。CLAを提供する必要があるのは、CLAを使用しているすべてのリポジトリで1回だけです。
このプロジェクトはMicrosoft Open Source Code of Conductを採用しています。詳細は、Code of Conduct FAQを読むか、Email opencodeに追加の質問やコメントを送信してください。
このコースを完了するために必要な手順を完了したので、生成的AIとLLMの紹介から始めましょう。
免責事項:
この文書はAI翻訳サービスCo-op Translatorを使用して翻訳されています。正確性を期すよう努めていますが、自動翻訳には誤りや不正確さが含まれる場合がありますのでご注意ください。元の言語での文書を権威ある情報源として考慮してください。重要な情報については、専門の人間による翻訳をお勧めします。この翻訳の使用に起因する誤解や誤解釈について、当社は責任を負いません。