Estamos muito entusiasmados para que inicie este curso e veja o que pode inspirar-se a criar com IA Generativa!
Para garantir o seu sucesso, esta página descreve os passos de configuração, os requisitos técnicos e onde obter ajuda, se necessário.
Para começar este curso, precisará de completar os seguintes passos.
Fazendo um fork de todo este repositório para a sua própria conta GitHub, poderá alterar qualquer código e completar os desafios. Também pode adicionar uma estrela (🌟) a este repositório para encontrá-lo e outros repositórios relacionados mais facilmente.
Para evitar problemas de dependência ao executar o código, recomendamos que execute este curso num GitHub Codespaces.
No seu fork: Code -> Codespaces -> New on main
- Ícone ⚙️ -> Command Palette -> Codespaces : Manage user secret -> Add a new secret.
- Nome OPENAI_API_KEY, cole a sua chave, guarde.
| Quero… | Ir para… |
|---|---|
| Começar a Lição 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 em + ➜ bash |
401 Unauthorized do OpenAI |
Chave OPENAI_API_KEY errada 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 ficheiro
.env: Abra o ficheiro.envnum editor de texto (por exemplo, VS Code, Notepad++ ou outro editor). Adicione a seguinte linha ao ficheiro, substituindoyour_github_token_herepelo seu token GitHub real:GITHUB_TOKEN=your_github_token_here
-
Guarde o ficheiro: Guarde as alterações e feche o editor de texto.
-
Instale
python-dotenv: Se ainda não o fez, precisará de instalar o pacotepython-dotenvpara carregar variáveis de ambiente do ficheiro.envna sua aplicação Python. 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 ficheiro.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)
E pronto! Criou com sucesso um ficheiro .env, adicionou o seu token GitHub e carregou-o na sua aplicação Python.
Para executar o código localmente no seu computador, precisará de ter alguma versão do Python instalada.
Para usar o repositório, precisará de cloná-lo:
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginnersDepois de ter tudo configurado, pode começar!
Miniconda é um instalador leve para instalar Conda, Python, bem como alguns pacotes.
O Conda é um gestor de pacotes que facilita a configuração e alternância entre diferentes ambientes virtuais de Python e pacotes. Também é útil para instalar pacotes que não estão disponíveis via pip.
Pode seguir o guia de instalação do MiniConda para configurá-lo.
Com o Miniconda instalado, precisará de clonar o repositório (se ainda não o fez).
Em seguida, precisará de criar um ambiente virtual. Para fazer isso com o Conda, crie um novo ficheiro de ambiente (environment.yml). Se estiver a seguir o curso usando Codespaces, crie este ficheiro dentro do diretório .devcontainer, ou seja, .devcontainer/environment.yml.
Preencha o ficheiro de ambiente com o seguinte trecho:
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-mlSe encontrar erros ao usar o Conda, pode instalar manualmente as Bibliotecas de IA da Microsoft usando o seguinte comando num terminal.
conda install -c microsoft azure-ai-ml
O ficheiro de ambiente especifica as dependências necessárias. <environment-name> refere-se ao nome que gostaria de usar para o seu ambiente Conda, e <python-version> é a versão do Python que gostaria de usar, por exemplo, 3 é a última versão principal do Python.
Com isso feito, pode criar o seu ambiente Conda executando os comandos abaixo na 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 problemas.
Recomendamos usar o editor Visual Studio Code (VS Code) com a extensão de suporte ao Python instalada para este curso. No entanto, isto é mais uma recomendação e não um requisito obrigatório.
Nota: Ao abrir o repositório do curso no VS Code, terá a opção de configurar o projeto dentro de um container. Isto é possível devido ao diretório especial
.devcontainerencontrado no repositório do curso. Mais sobre isso mais tarde.
Nota: Assim que clonar e abrir o diretório no VS Code, ele sugerirá automaticamente que instale uma extensão de suporte ao Python.
Nota: Se o VS Code sugerir que reabra o repositório num container, recuse esta solicitação para usar a versão localmente instalada do Python.
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 agradável com recursos como auto-completar, destaque de código, etc.
Para iniciar o Jupyter localmente, vá até ao terminal/linha de comando, navegue até ao diretório do curso e execute:
jupyter notebookou
jupyterhubIsto iniciará uma instância do Jupyter e o URL para acessá-lo será exibido na janela da linha de comando.
Assim que acessar o URL, deverá ver o plano do curso e poderá navegar para qualquer ficheiro *.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, isto exigirá a instalação do Docker e, francamente, envolve algum trabalho, por isso recomendamos esta opção apenas para quem tem experiência com containers.
Uma das melhores formas de manter as suas chaves de API seguras ao usar GitHub Codespaces é utilizando os Segredos do Codespace. Por favor, siga o guia de gestão de segredos do Codespaces para saber mais sobre isto.
O curso tem 6 lições de conceitos e 6 lições de codificação.
Para as lições de codificação, estamos a usar o Azure OpenAI Service. Precisará de acesso ao serviço Azure OpenAI e de uma chave de API para executar este código. Pode solicitar acesso preenchendo esta aplicação.
Enquanto aguarda o processamento da sua aplicação, cada lição de codificação também inclui um ficheiro README.md onde pode visualizar o código e os resultados.
Se esta for a sua primeira vez a trabalhar com o serviço Azure OpenAI, siga este guia sobre como criar e implementar um recurso do Azure OpenAI Service.
Se esta for a sua primeira vez a trabalhar com a API OpenAI, siga o guia sobre como criar e usar a Interface.
Criámos canais no nosso servidor oficial AI Community Discord para que possa conhecer outros alunos. Esta é uma ótima forma de fazer networking com outros empreendedores, criadores, estudantes e qualquer pessoa que queira evoluir na área de IA Generativa.
A equipa do projeto também estará neste servidor do Discord para ajudar os alunos.
Este curso é uma iniciativa de código aberto. Se identificar áreas de melhoria ou problemas, por favor crie um Pull Request ou registe um problema no GitHub.
A equipa do projeto estará a acompanhar todas as contribuições. Contribuir para projetos de código aberto é uma forma incrível de desenvolver a sua carreira em IA Generativa.
A maioria das contribuições requer que concorde com um Acordo de Licença de Contribuidor (CLA), declarando que tem o direito e realmente concede-nos os direitos de usar a sua contribuição. Para mais detalhes, visite o site do Acordo de Licença de Contribuidor (CLA).
Importante: ao traduzir texto neste repositório, certifique-se de que não utiliza tradução automática. Verificaremos as traduções através da comunidade, por isso, por favor, só se ofereça para traduções em idiomas nos quais seja proficiente.
Quando submeter um pull request, um CLA-bot determinará automaticamente se precisa fornecer um CLA e decorará o PR de forma apropriada (por exemplo, etiqueta, comentário). Basta seguir as instruções fornecidas pelo bot. Só precisará fazer isso uma vez em todos os repositórios que utilizam o nosso CLA.
Este projeto adotou o Código de Conduta de Código Aberto da Microsoft. Para mais informações, leia as FAQ do Código de Conduta ou entre em contacto com Email opencode para quaisquer perguntas ou comentários adicionais.
Agora que concluiu os passos necessários para completar este curso, vamos começar com uma introdução à IA Generativa e aos LLMs.
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos pela precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se uma tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.