Skip to content

README.md

Latest commit

 

History

History
235 lines (148 loc) · 14.1 KB

README.md

File metadata and controls

235 lines (148 loc) · 14.1 KB

Bu kursa başlama

Bu kursa başlamanız ve Üretken Yapay Zeka ile neler inşa edebileceğinizi görmeniz için çok heyecanlıyız!

Başarınızı sağlamak için, bu sayfada kurulum adımları, teknik gereksinimler ve gerektiğinde yardım alabileceğiniz yerler açıklanmaktadır.

Kurulum Adımları

Bu kursa başlamak için aşağıdaki adımları tamamlamanız gerekecek.

1. Bu Depoyu Çatallayın

Bu tüm depoyu çatallayın ve kendi GitHub hesabınıza kopyalayarak kodda değişiklik yapabilir ve zorlukları tamamlayabilirsiniz. Ayrıca bu depoyu yıldızlayabilirsiniz (🌟) ve ilgili depoları daha kolay bulabilirsiniz.

2. Bir Codespace oluşturun

Kodun çalıştırılması sırasında herhangi bir bağımlılık sorununu önlemek için bu kursu GitHub Codespaces üzerinde çalıştırmanızı öneririz.

Çatalladığınız depoda: Code -> Codespaces -> New on main

Codespace oluşturma düğmelerini gösteren diyalog

2.1 Bir gizli anahtar ekleyin

  1. ⚙️ Dişli simgesi -> Komut Paleti -> Codespaces : Kullanıcı gizli anahtarını yönet -> Yeni bir gizli anahtar ekle.
  2. Adı OPENAI_API_KEY olarak belirleyin, anahtarınızı yapıştırın, Kaydedin.

3. Sırada ne var?

Yapmak istediğim… Git…
Ders 1'e başla 01-introduction-to-genai
Çevrimdışı çalış setup-local.md
Bir LLM Sağlayıcısı kur providers.md
Diğer öğrenenlerle tanış Discord sunucumuza katılın

Sorun Giderme

Belirti Çözüm
Konteyner oluşturma > 10 dk sürdü Codespaces ➜ “Rebuild Container”
python: command not found Terminal bağlanmadı; + ➜ bash tıklayın
OpenAI'den 401 Unauthorized Yanlış / süresi dolmuş OPENAI_API_KEY
VS Code “Dev container mounting…” gösteriyor Tarayıcı sekmesini yenileyin—Codespaces bazen bağlantıyı kaybediyor
Notebook çekirdeği eksik Notebook menüsü ➜ Kernel ▸ Select Kernel ▸ Python 3

Unix tabanlı sistemler:

touch .env

Windows:

echo . > .env

  1. .env Dosyasını Düzenleyin: .env dosyasını bir metin düzenleyicisinde (ör. VS Code, Notepad++ veya başka bir düzenleyici) açın. Dosyaya aşağıdaki satırı ekleyin ve your_github_token_here kısmını gerçek GitHub tokeninizle değiştirin:

    GITHUB_TOKEN=your_github_token_here

  2. Dosyayı Kaydedin: Değişiklikleri kaydedin ve metin düzenleyiciyi kapatın.

  3. python-dotenv Kurun: Henüz yapmadıysanız, .env dosyasından Python uygulamanıza ortam değişkenlerini yüklemek için python-dotenv paketini kurmanız gerekecek. pip kullanarak kurabilirsiniz:

    pip install python-dotenv

  4. Python Scriptinizde Ortam Değişkenlerini Yükleyin: Python scriptinizde, .env dosyasından ortam değişkenlerini yüklemek için python-dotenv paketini kullanın:

    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)

İşte bu kadar! Başarıyla bir .env dosyası oluşturdunuz, GitHub tokeninizi eklediniz ve Python uygulamanıza yüklediniz.

Bilgisayarınızda Yerel Olarak Çalıştırma

Kodları bilgisayarınızda yerel olarak çalıştırmak için, Python'un bir sürümünü yüklemeniz gerekecek.

Daha sonra depoyu kullanmak için, onu klonlamanız gerekecek:

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

Her şeyi kontrol ettikten sonra, başlayabilirsiniz!

İsteğe Bağlı Adımlar

Miniconda Kurulumu

Miniconda, Conda, Python ve birkaç paketi yüklemek için hafif bir yükleyicidir. Conda, farklı Python sanallaştırılmış ortamları ve paketleri kurmayı ve geçiş yapmayı kolaylaştıran bir paket yöneticisidir. Ayrıca pip aracılığıyla bulunamayan paketleri yüklemek için de kullanışlıdır.

MiniConda kurulum kılavuzunu takip ederek kurulum yapabilirsiniz.

Miniconda kurulduktan sonra, depo (henüz yapmadıysanız) klonlanmalıdır.

Sonrasında, bir sanal ortam oluşturmanız gerekecek. Conda ile bunu yapmak için yeni bir ortam dosyası (environment.yml) oluşturun. Codespaces kullanıyorsanız, bunu .devcontainer dizini içinde oluşturun, yani .devcontainer/environment.yml.

Ortam dosyanızı aşağıdaki kod parçacığı ile doldurun:

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

Eğer conda kullanırken hata alırsanız, Microsoft AI Kütüphanelerini manuel olarak aşağıdaki komutla bir terminalde kurabilirsiniz.

conda install -c microsoft azure-ai-ml

Ortam dosyası, ihtiyaç duyduğumuz bağımlılıkları belirtir. <environment-name> Conda ortamınız için kullanmak istediğiniz adı ve <python-version> Python'un kullanmak istediğiniz sürümünü ifade eder, örneğin, 3 Python'un en son ana sürümüdür.

Bunu yaptıktan sonra, aşağıdaki komutları komut satırında/terminalde çalıştırarak Conda ortamınızı oluşturabilirsiniz:

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

Herhangi bir sorunla karşılaşırsanız, Conda ortamları kılavuzuna başvurabilirsiniz.

Python destek eklentisi ile Visual Studio Code kullanımı

Bu kurs için Visual Studio Code (VS Code) düzenleyicisini, Python destek eklentisi ile birlikte kullanmanızı öneririz. Ancak bu bir öneri olup kesin bir gereklilik değildir.

Not: Kurs deposunu VS Code'da açarak projeyi bir konteyner içinde kurma seçeneğine sahip olursunuz. Bu, kurs deposunda bulunan özel .devcontainer dizini sayesinde mümkündür. Daha fazla bilgi için ilerleyen bölümlere bakabilirsiniz.

Not: Depoyu klonlayıp VS Code'da açtığınızda, Python destek eklentisini yüklemenizi otomatik olarak önerecektir.

Not: VS Code, depoyu bir konteyner içinde yeniden açmanızı önerirse, bu isteği reddedin ve yerel olarak yüklenmiş Python sürümünü kullanın.

Tarayıcıda Jupyter Kullanımı

Projede Jupyter ortamını doğrudan tarayıcınızda kullanarak çalışabilirsiniz. Hem klasik Jupyter hem de Jupyter Hub, otomatik tamamlama, kod vurgulama gibi özelliklerle oldukça hoş bir geliştirme ortamı sunar.

Jupyter'i yerel olarak başlatmak için terminal/komut satırına gidin, kurs dizinine gidin ve şu komutları çalıştırın:

jupyter notebook

veya

jupyterhub

Bu, bir Jupyter oturumu başlatacak ve erişim URL'si komut satırı penceresinde gösterilecektir.

URL'ye eriştiğinizde, kurs içeriğini görebilir ve herhangi bir *.ipynb dosyasına gidebilirsiniz. Örneğin, 08-building-search-applications/python/oai-solution.ipynb.

Bir konteynerde çalıştırma

Bilgisayarınızda veya Codespace'de her şeyi kurmanın alternatif bir yolu, bir konteyner kullanmaktır. Kurs deposundaki özel .devcontainer klasörü, VS Code'un projeyi bir konteyner içinde kurmasını mümkün kılar. Codespaces dışında, Docker'ın yüklenmesini gerektirir ve oldukça fazla iş gerektirir, bu yüzden bunu yalnızca konteynerlerle çalışma deneyimi olanlara öneriyoruz.

GitHub Codespaces kullanırken API anahtarlarınızı güvende tutmanın en iyi yollarından biri, Codespace Secrets kullanmaktır. Daha fazla bilgi edinmek için Codespaces gizli anahtar yönetimi kılavuzunu takip edin.

Dersler ve Teknik Gereksinimler

Kurs, 6 kavramsal ders ve 6 kodlama dersi içermektedir.

Kodlama dersleri için Azure OpenAI Hizmeti'ni kullanıyoruz. Bu kodu çalıştırmak için Azure OpenAI hizmetine erişim ve bir API anahtarına ihtiyacınız olacak. Erişim almak için bu başvuruyu tamamlayarak başvurabilirsiniz.

Başvurunuzun işlenmesini beklerken, her kodlama dersi ayrıca kodu ve çıktıları görebileceğiniz bir README.md dosyası içermektedir.

Azure OpenAI Hizmetini İlk Kez Kullanma

Azure OpenAI hizmetini ilk kez kullanıyorsanız, Azure OpenAI Hizmeti kaynağı oluşturma ve dağıtma kılavuzunu takip edin.

OpenAI API'sini İlk Kez Kullanma

OpenAI API'sini ilk kez kullanıyorsanız, Arayüz oluşturma ve kullanma kılavuzunu takip edin.

Diğer Öğrenenlerle Tanışın

Resmi AI Community Discord sunucumuzda diğer öğrenenlerle tanışmanız için kanallar oluşturduk. Bu, Üretken Yapay Zeka alanında kendini geliştirmek isteyen girişimciler, geliştiriciler, öğrenciler ve benzer düşünen kişilerle ağ kurmanın harika bir yoludur.

Discord kanalına katıl

Proje ekibi de bu Discord sunucusunda öğrenenlere yardımcı olmak için bulunacak.

Katkıda Bulunun

Bu kurs, açık kaynaklı bir girişimdir. İyileştirme veya sorun gördüğünüz alanlar varsa, lütfen bir Pull Request oluşturun veya bir GitHub sorunu bildirin.

Proje ekibi tüm katkıları takip edecektir. Açık kaynağa katkıda bulunmak, Üretken Yapay Zeka alanında kariyerinizi geliştirmek için harika bir yoldur.

Çoğu katkı, bir Katkıda Bulunan Lisans Sözleşmesi (CLA) imzalamanızı gerektirir. Bu sözleşme, bize katkınızı kullanma hakkı verdiğinizi ve bu hakka sahip olduğunuzu beyan eder. Ayrıntılar için CLA, Katkıda Bulunan Lisans Sözleşmesi web sitesini ziyaret edin.

Bir pull request gönderdiğinizde, bir CLA-bot otomatik olarak bir CLA sağlayıp sağlamanız gerekip gerekmediğini belirleyecek ve PR'ı uygun şekilde işaretleyecektir (örneğin, etiket, yorum). Bot tarafından sağlanan talimatları takip etmeniz yeterlidir. Bunu, CLA kullanan tüm depolar için yalnızca bir kez yapmanız gerekecek.

Bu proje, Microsoft Açık Kaynak Davranış Kurallarını benimsemiştir. Daha fazla bilgi için Davranış Kuralları SSS'yi okuyun veya Email opencode adresine ek sorularınızı veya yorumlarınızı gönderin.

Haydi Başlayalım

Bu kursu tamamlamak için gereken adımları tamamladığınıza göre, hadi Üretken Yapay Zeka ve LLM'lere giriş ile başlayalım.

Feragatname:
Bu belge, AI çeviri hizmeti Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul edilmez.