Estamos muito animados para que você comece este curso e veja o que você se inspira a criar com IA Generativa!
Para garantir seu sucesso, esta página descreve os passos de configuração, requisitos técnicos e onde obter ajuda, se necessário.
Para começar este curso, você precisará completar os seguintes passos.
Fork este repositório inteiro para sua própria conta do GitHub para poder alterar qualquer código e completar os desafios. Você também pode dar uma estrela (🌟) neste repositório para encontrá-lo e outros repositórios relacionados mais facilmente.
Para evitar problemas de dependência ao executar o código, recomendamos executar este curso em um GitHub Codespaces.
No seu fork: Code -> Codespaces -> New on main
- ⚙️ Ícone de engrenagem -> Command Palette -> Codespaces : Manage user secret -> Add a new secret.
- Nomeie como OPENAI_API_KEY, cole sua chave, Salve.
| Eu quero... | Vá para... |
|---|---|
| Começar a Aula 1 | 01-introduction-to-genai |
| Trabalhar offline | setup-local.md |
| Configurar um Provedor de LLM | providers.md |
| Conhecer outros alunos | Junte-se ao nosso Discord |
| Sintoma | Solução |
|---|---|
| Construção do container travada > 10 min | Codespaces ➜ “Rebuild Container” |
python: command not found |
O terminal não foi anexado; clique + ➜ bash |
401 Unauthorized do OpenAI |
OPENAI_API_KEY incorreta ou expirada |
| VS Code mostra “Dev container mounting…” | Atualize a aba do navegador—às vezes o Codespaces perde conexão |
| Kernel do Notebook ausente | Menu do Notebook ➜ Kernel ▸ Select Kernel ▸ Python 3 |
Sistemas baseados em Unix:
touch .envWindows:
echo . > .env-
Edite o arquivo
.env: Abra o arquivo.envem um editor de texto (por exemplo, VS Code, Notepad++ ou qualquer outro editor). Adicione a seguinte linha ao arquivo, substituindoyour_github_token_herepelo seu token real do GitHub:GITHUB_TOKEN=your_github_token_here
-
Salve o Arquivo: Salve as alterações e feche o editor de texto.
-
Instale
python-dotenv: Caso ainda não tenha feito isso, você precisará instalar o pacotepython-dotenvpara carregar variáveis de ambiente do arquivo.envem sua aplicação Python. Você pode instalá-lo usandopip:pip install python-dotenv
-
Carregue as Variáveis de Ambiente no Seu Script Python: No seu script Python, use o pacote
python-dotenvpara carregar as variáveis de ambiente do arquivo.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)
Pronto! Você criou com sucesso um arquivo .env, adicionou seu token do GitHub e o carregou em sua aplicação Python.
Para executar o código localmente no seu computador, você precisará ter alguma versão do Python instalada.
Para então usar o repositório, você precisa cloná-lo:
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginnersDepois de ter tudo configurado, você pode começar!
Miniconda é um instalador leve para instalar Conda, Python, bem como alguns pacotes.
Conda é um gerenciador de pacotes que facilita a configuração e troca entre diferentes ambientes virtuais e pacotes Python. Ele também é útil para instalar pacotes que não estão disponíveis via pip.
Você pode seguir o guia de instalação do MiniConda para configurá-lo.
Com o Miniconda instalado, você precisa clonar o repositório (se ainda não tiver feito isso).
Em seguida, você precisa criar um ambiente virtual. Para fazer isso com o Conda, crie um novo arquivo de ambiente (environment.yml). Se você estiver acompanhando usando Codespaces, crie isso dentro do diretório .devcontainer, ou seja, .devcontainer/environment.yml.
Preencha seu arquivo de ambiente com o trecho abaixo:
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-mlSe você encontrar erros ao usar o Conda, pode instalar manualmente as Bibliotecas de IA da Microsoft usando o seguinte comando em um terminal.
conda install -c microsoft azure-ai-ml
O arquivo de ambiente especifica as dependências necessárias. <environment-name> refere-se ao nome que você gostaria de usar para seu ambiente Conda, e <python-version> é a versão do Python que você gostaria de usar, por exemplo, 3 é a versão mais recente do Python.
Com isso feito, você pode criar seu ambiente Conda executando os comandos abaixo na sua linha de comando/terminal:
conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer sub path applies to only Codespace setups
conda activate ai4begConsulte o guia de ambientes Conda se encontrar algum problema.
Recomendamos usar o editor Visual Studio Code (VS Code) com a extensão de suporte ao Python instalada para este curso. No entanto, isso é mais uma recomendação e não um requisito obrigatório.
Nota: Ao abrir o repositório do curso no VS Code, você tem a opção de configurar o projeto dentro de um container. Isso é possível devido ao diretório especial
.devcontainerencontrado no repositório do curso. Mais sobre isso depois.
Nota: Assim que você clonar e abrir o diretório no VS Code, ele automaticamente sugerirá que você instale uma extensão de suporte ao Python.
Nota: Se o VS Code sugerir que você reabra o repositório em um container, recuse essa solicitação para usar a versão local instalada do Python.
Você também pode trabalhar no projeto usando o ambiente Jupyter diretamente no seu navegador. Tanto o Jupyter clássico quanto o Jupyter Hub oferecem um ambiente de desenvolvimento bastante agradável com recursos como autocompletar, destaque de código, etc.
Para iniciar o Jupyter localmente, vá até o terminal/linha de comando, navegue até o diretório do curso e execute:
jupyter notebookou
jupyterhubIsso iniciará uma instância do Jupyter e o URL para acessá-lo será exibido na janela da linha de comando.
Assim que acessar o URL, você verá o conteúdo do curso e poderá navegar para qualquer arquivo *.ipynb. Por exemplo, 08-building-search-applications/python/oai-solution.ipynb.
Uma alternativa para configurar tudo no seu computador ou Codespace é usar um container. A pasta especial .devcontainer dentro do repositório do curso torna possível para o VS Code configurar o projeto dentro de um container. Fora do Codespaces, isso exigirá a instalação do Docker e, francamente, envolve um pouco de trabalho, então recomendamos isso apenas para aqueles com experiência em trabalhar com containers.
Uma das melhores maneiras de manter suas chaves de API seguras ao usar GitHub Codespaces é utilizando os Segredos do Codespace. Por favor, siga o guia de gerenciamento de segredos do Codespaces para saber mais sobre isso.
O curso possui 6 aulas conceituais e 6 aulas de codificação.
Para as aulas de codificação, estamos utilizando o Azure OpenAI Service. Você precisará de acesso ao serviço Azure OpenAI e uma chave de API para executar este código. Você pode solicitar acesso preenchendo este formulário.
Enquanto aguarda o processamento da sua solicitação, cada aula de codificação também inclui um arquivo README.md onde você pode visualizar o código e os resultados.
Se esta for sua primeira vez trabalhando com o serviço Azure OpenAI, siga este guia sobre como criar e implantar um recurso do serviço Azure OpenAI.
Se esta for sua primeira vez trabalhando com a API OpenAI, siga o guia sobre como criar e usar a Interface.
Criamos canais em nosso servidor oficial do Discord da Comunidade de IA para conhecer outros alunos. Esta é uma ótima maneira de fazer networking com outros empreendedores, criadores, estudantes e qualquer pessoa que esteja buscando se aprimorar em IA Generativa.
A equipe do projeto também estará neste servidor do Discord para ajudar os alunos.
Este curso é uma iniciativa de código aberto. Se você identificar áreas de melhoria ou problemas, por favor, crie um Pull Request ou registre um issue no GitHub.
A equipe do projeto estará acompanhando todas as contribuições. Contribuir para código aberto é uma maneira incrível de construir sua carreira em IA Generativa.
A maioria das contribuições exige que você concorde com um Acordo de Licença de Contribuidor (CLA) declarando que você tem o direito e realmente concede a nós os direitos de usar sua contribuição. Para mais detalhes, visite o site do Acordo de Licença de Contribuidor (CLA).
Importante: ao traduzir texto neste repositório, por favor, certifique-se de não usar tradução automática. Verificaremos as traduções por meio da comunidade, então, por favor, só se voluntarie para traduções em idiomas nos quais você seja proficiente.
Quando você enviar um pull request, um CLA-bot determinará automaticamente se você precisa fornecer um CLA e decorará o PR apropriadamente (por exemplo, etiqueta, comentário). Basta seguir as instruções fornecidas pelo bot. Você só precisará fazer isso uma vez em todos os repositórios que utilizam nosso CLA.
Este projeto adotou o Código de Conduta de Código Aberto da Microsoft. Para mais informações, leia as Perguntas Frequentes sobre o Código de Conduta ou entre em contato com Email opencode para quaisquer perguntas ou comentários adicionais.
Agora que você concluiu as etapas necessárias para completar este curso, vamos começar com uma introdução à IA Generativa e LLMs.
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.