Skip to content

README.md

Latest commit

 

History

History
231 lines (143 loc) · 26.7 KB

README.md

File metadata and controls

231 lines (143 loc) · 26.7 KB

ಈ ಕೋರ್ಸ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸುವುದು

ನಿಮ್ಮನ್ನು ಈ ಕೋರ್ಸ್ ಪ್ರಾರಂಭಿಸಲು ಮತ್ತು ಜೆನೆರೇಟಿವ್ AI ಮೂಲಕ ನೀವು 무엇ನ್ನು ನಿರ್ಮಿಸಲು ಪ್ರೇರೇಪಿತರಾಗುತ್ತೀರಿ ಎಂಬುದನ್ನು ನೋಡಲು ನಾವು ತುಂಬ ಉತ್ಸಾಹಿಯಾಗಿದ್ದೇವೆ!

ನಿಮ್ಮ ಯಶಸ್ಸನ್ನು ಖಚಿತಪಡಿಸಲು, ಈ ಪುಟದಲ್ಲಿ ಸೆಟಪ್ ಹಂತಗಳು, ತಂತ್ರಜ್ಞಾನ ಅಗತ್ಯಗಳು, ಮತ್ತು ಸಹಾಯ ಬೇಕಾದರೆ ಎಲ್ಲಿಂದ ಸಹಾಯ ಪಡೆಯಬಹುದು ಎಂಬ ವಿಷಯಗಳಿವೆ.

ಸೆಟಪ್ ಹಂತಗಳು

ಈ ಕೋರ್ಸ್ ತೆಗೆದುಕೊಳ್ಳಲು, ನೀವು ಕೆಳಗಿನ ಹಂತಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಬೇಕಾಗುತ್ತದೆ.

1. ಈ ರೆಪೋವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ

ಈ ಸಂಪೂರ್ಣ ರೆಪೋವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ ನಿಮ್ಮ ಸ್ವಂತ GitHub ಖಾತೆಗೆ ನೀವು ಯಾವುದೇ ಕೋಡ್ ಬದಲಾಯಿಸಬಹುದು ಮತ್ತು ಮುಂದಿನ ಸವಾಲುಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು. ನೀವು ಈ ರೆಪೋವನ್ನು ಸ್ಟಾರ್ (🌟) ಮಾಡಿ ಇದನ್ನು ಮತ್ತು ಸಂಬಂಧಿತ ರೆಪೋಗಳನ್ನು ಸುಲಭವಾಗಿ ಕಂಡುಹಿಡಿಯಲು ಸಹ ಮಾಡಬಹುದು.

2. ಕೋಡ್ಸ್‌ಪೇಸ್ ರಚಿಸಿ

ಕೋಡ್ ಚಾಲನೆ ಮಾಡುವಾಗ ಯಾವುದು ಬೇಕಾದರೂ ಅವಲಂಬನೆ ಸಮಸ್ಯಗಳಿಂದ ತಪ್ಪಿಸಲು, ನಾವು ಈ ಕೋರ್ಸ್ ಅನ್ನು GitHub Codespaces ನಲ್ಲಿ ಚಾಲನೆ ಮಾಡುವುದನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.

ನಿಮ್ಮ ಫೋರ್ಕ್‌ನಲ್ಲಿ: Code -> Codespaces -> New on main

Dialog showing buttons to create a codespace

2.1 ಸೀಕ್ರೆಟ್ ಸೇರಿಸಿ

  1. ⚙️ ಗೀಯರ್ ಐಕಾನ್ -> Command Pallete-> Codespaces : Manage user secret -> Add a new secret.
  2. ಹೆಸರು OPENAI_API_KEY, ನಿಮ್ಮ ಕೀ ತುಂಬಿ, ಉಳಿಸು.

3. ಮುಂದೆ ಏನು?

ನಾನು ಈಾದ ನಂತರ… ಹೋಗಿ…
ಪಾಠ 1 ಪ್ರಾರಂಭಿಸು 01-introduction-to-genai
ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ ಕೆಲಸ ಮಾಡು setup-local.md
LLM ಪ್ರೊವೈಡರ್ ಅನ್ನು ಸೆಟಪ್ ಮಾಡು providers.md
ಇತರೆ ಅಭ್ಯಾಸಿಗಳನ್ನು ಭೇಟಿ ಮಾಡು ನಮ್ಮ ಡಿಸ್ಕಾರ್ಡ್ ಸೇರ್ಪಡೆ

ಸಮಸ್ಯೆ ಪರಿಹಾರ

ಲಕ್ಷಣ ಪರಿಹಾರ
ಕಂಟೇನರ್ ನಿರ್ಮಾಣ 10 ನಿಮಿಷಕ್ಕಿಂತ ಹೆಚ್ಚು ನಿಲ್ಲಿಸಿದೆ Codespaces ➜ “Rebuild Container”
python: command not found ಟರ್ಮಿನಲ್ ಅಟ್ಯಾಚ್ ಆಗಲಿಲ್ಲ; ಕ್ಲಿಕ್ ಮಾಡಿ + ➜ bash
OpenAI ರಿಂದ 401 Unauthorized ತಪ್ಪು / ಅವಧಿ ಕಳೆದ OPENAI_API_KEY
VS Code “Dev container mounting…” ತೋರಿಸುತ್ತದೆ ಬ್ರೌಸರ್ ಟ್ಯಾಬ್ ರిఫ್ರೆಷ್ ಮಾಡಿ — Codespaces ಕೆಲವೊಮ್ಮೆ ಸಂಪರ್ಕವನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತದೆ
ನೋಟ್ಬುಕ್ ಕರ್ಣೆಲ್ ಇಲ್ಲ ನೋಟ್ಬುಕ್ ಮೆನು ➜ Kernel ▸ Select Kernel ▸ Python 3

ಯುನಿಕ್ಸ್ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳು:

touch .env

ವಿಂಡೋಸ್:

echo . > .env

  1. .env ಫೈಲ್ ಅನ್ನು ಸಂಪಾದಿಸಿ: .env ಫೈಲ್ ಅನ್ನು ಪಠ್ಯ ಸಂಪಾದಕ (ಉದಾಹರಣೆಗೆ, VS Code, ನೋಟ್ಪ್ಯಾಡ್++, ಅಥವಾ ಬೇರೆ ಯಾವುದೇ ಸಂಪಾದಕ) ನಲ್ಲಿ ಹೋಲಿಕೊಳ್ಳಿ. ಕೆಳಗಿನ ಸಾಲನ್ನು ಸೇರಿಸಿ, your_github_token_here ನಿಮ್ಮ ನಿಜವಾದ GitHub ಟೋಕನ್‌ದಿಂದ ಬದಲಾಯಿಸಿ:

    GITHUB_TOKEN=your_github_token_here

  2. ಫೈಲ್ ಉಳಿಸಿ: ಬದಲಾವಣೆಗಳನ್ನು ಉಳಿಸಿ ಮತ್ತು ಪಠ್ಯ ಸಂಪಾದಕವನ್ನು ಮುಚ್ಚಿ.

  3. python-dotenv ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿ: ನೀವು ಈಗಾಗಲೇ ಇದನ್ನು ಮಾಡಿದಿಲ್ಲದಿದ್ದರೆ, .env ಫೈಲ್‌ನಿಂದ ಪರಿಸರ ಪರಿವರ್ತನಗಳನ್ನು ನಿಮ್ಮ ಪೈಥಾನ್ ಅಪ್ಲಿಕೇಶನ್‌ಗೆ ಲೋಡ್ ಮಾಡಲು python-dotenv ಪ್ಯಾಕೇಜ್ needs to be ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿಕೊಳ್ಳಬೇಕು. ನೀವು ಇದನ್ನು pip ಮೂಲಕ ಇನ್ಸ್ಟಾಲ್ ಮಾಡಬಹುದು:

    pip install python-dotenv

  4. ನಿಮ್ಮ ಪೈಥಾನ್ ಸ್ಕ್ರಿಪ್ಟ್‌ನಲ್ಲಿ ಪರಿಸರ ಪರಿವರ್ತನಗಳನ್ನು ಲೋಡ್ ಮಾಡಿ: ನಿಮ್ಮ ಪೈಥಾನ್ ಸ್ಕ್ರಿಪ್ಟ್‌ನಲ್ಲಿ, .env ಫೈಲ್‌ನಿಂದ ಪರಿಸರ ಪರಿವರ್ತನಗಳನ್ನು ಲೋಡ್ ಮಾಡಲು python-dotenv ಪ್ಯಾಕೇಜ್ ಅನ್ನು ಬಳಸಿ:

    from dotenv import load_dotenv
import os

# .env ಫೈಲ್‌ನಿಂದ ಪರಿಸರ ಚರಗಳನ್ನು ಲೋಡ್ ಮಾಡಿ
load_dotenv()

# GITHUB_TOKEN ಚರವನ್ನು ಪ್ರವೇಶಿಸಿ
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

ಅದಾಗಿದೆ! ನೀವು ಯಶಸ್ವಿಯಾಗಿ .env ಫೈಲ್ ರಚಿಸಿದ್ದೀರಿ, ನಿಮ್ಮ GitHub ಟೋಕನ್ ಸೇರಿಸಿದ್ದೀರಿ, ಮತ್ತು ನಿಮ್ಮ ಪೈಥಾನ್ ಅಪ್ಲಿಕೇಶನ್‌ಗೆ ಅದನ್ನು ಲೋಡ್ ಮಾಡಿದ್ದೀರಿ.

ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್‌ನಲ್ಲಿ ಸ್ಥಳೀಯವಾಗಿ ಎಂತಹ ಹಾಗಿ ರನ್ ಮಾಡುವುದು

ಕೋಡ್ ಅನ್ನು ನಿಮ್ಮ 컴퓨터ದಲ್ಲಿ ಸ್ಥಳೀಯವಾಗಿ ರನ್ ಮಾಡಲು, ನೀವು ಕೆಲವು ಆವೃತ್ತಿಯ Python ಸ್ಥಾಪಿಸಬೇಕು ಬೇಕಾಗುತ್ತದೆ.

ಅನಂತರ ರೆಪೊಸಿಟೋರಿಯನ್ನು ಬಳಕೆಮಾಡಲು, ಅದನ್ನು ಕ್ಲೋನ್ ಮಾಡಬೇಕು:

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

ಎಲ್ಲವನ್ನು ಚೆಕ್‌ಔಟ್ ಮಾಡಿಕೊಂಡ ಮೇಲೆ, ನೀವು ಪ್ರಾರಂಭಿಸಬಹುದು!

ಐಚ್ಛಿಕ ಹಂತಗಳು

ಮಿನಿಕೊಂಡಾ ಸ್ಥಾಪನೆ

Miniconda ಒಂದು ಲಘುಸ್ಥಾಪಕವಾಗಿದ್ದು, Conda, ಪೈಥಾನ್ ಮತ್ತು ಕೆಲವು ಪ್ಯಾಕೇಜ್‌ಗಳನ್ನು ಸ್ಥಾಪಿಸಲು ಉಪಯೋಗಿಸುತ್ತಾರೆ. Conda ಸ್ವತಃ ಒಂದು ಪ್ಯಾಕೇಜ್ ನಿರ್ವಾಹಕ, ಇದು ವಿವಿಧ Python ವರ್ಚುಯಲ್ ಪರಿಸರಗಳು ಮತ್ತು ಪ್ಯಾಕೇಜ್‌ಗಳನ್ನು ಸುಲಭವಾಗಿ ಸೆಟ್ ಅಪ್ ಮಾಡಿ ಬದಲಾಯಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಜೊತೆಗೆ, pip ಮೂಲಕ ಲಭ್ಯವಿಲ್ಲದ ಪ್ಯಾಕೇಜ್‌ಗಳನ್ನು ಸ್ಥಾಪಿಸಲು ಸಹ ಸಹಕರಿಸುತ್ತದೆ.

ನೀವು MiniConda ಸ್ಥಾಪನೆ ಮಾರ್ಗದರ್ಶಿಯನ್ನ ಪಡೆದು ಅದನ್ನು ಸೆಟ್ ಅಪ್ ಮಾಡಬಹುದು.

ಮಿನಿಕೊಂಡಾ ಸ್ಥಾಪಿಸಿದ ನಂತರ, ನೀವು ರೆಪೊಸಿಟೋರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಬೇಕು (ಹើಗೆಲಿ ನೀವು ಇನ್ನೂ ಮಾಡಿಲ್ಲವಾದರೂ)

ಮುಂದೆ, ನೀವು ವರ್ಚುಯಲ್ ಪರಿಸರವನ್ನು ರಚಿಸಬೇಕು. Conda ಬಳಸಿ ಇದನ್ನು ಮಾಡಲು, ಹೊಸ ಪರಿಸರ ಫೈಲ್ (environment.yml) ರಚಿಸಿ. ನೀವು Codespaces ಬಳಸುತ್ತಿದ್ದರೆ, ಇದನ್ನು .devcontainer ಡೈರೆಕ್ಟರಿಯಲ್ಲಿ ಮಾಡಿ, ಹಾಗಾಗಿ .devcontainer/environment.yml.

ನಿಮ್ಮ ಪರಿಸರ ಫೈಲ್ ಅನ್ನು ಕೆಳಗಿನ ಸ್ನಿಪೆಟ್‌ನೊಂದಿಗೆ ತುಂಬಿಸಿ:

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

ನೀವು conda ಬಳಸುವಾಗ ದೋಷಗಳು ಎದುರಾಗುತ್ತಿವೆ ಎಂದು ಕಂಡರೆ, ಕೆಳಗಿನ ಕಮಾಂಡ್ ನೊಂದಿಗೆ Microsoft AI ಲೈಬ್ರರಿಗಳನ್ನು ಕೈಯಿಂದ ಇನ್ಸ್ಟಾಲ್ ಮಾಡಬಹುದು ಟರ್ಮಿನಲ್‌ನಲ್ಲಿ.

conda install -c microsoft azure-ai-ml

ಪರಿಸರ ಫೈಲ್ ನಾವು ಬೇಕಾದ ಅವಲಂಬನೆಗಳನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುತ್ತದೆ. <environment-name> ನಿಮ್ಮ Conda ಪರಿಸರಕ್ಕೆ ನೀವು ನೀಡಲು ಬಯಸುವ ಹೆಸರು ಮತ್ತು <python-version> ನೀವು ಬಳಸಲು ಬಯಸುವ ಪೈಥಾನ್ ಆವೃತ್ತಿ, ಉದಾಹರಣೆಗೆ, 3 ಪೈಥಾನ್‌ನ ನವೀನ ಪ್ರಮುಖ ಆವೃತ್ತಿ.

ಅದು ಮುಗಿದ ನಂತರ, ನಿಮ್ಮ Conda ಪರಿಸರವನ್ನು ಕೆಳಗಿನ ಕಮಾಂಡ್‌ಗಳನ್ನು ಟರ್ಮಿನಲ್/ಕಮಾಂಡೆಲೈನ್‌ನಲ್ಲಿ ರನ್ ಮಾಡಿ ರಚಿಸಬಹುದು

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer ಅನುಪಥವು ಕೇವಲ ಕೋಡ್ಸ್ಪೇಸ್ ಸೆಟ್ಅಪ್‌ಗಳಿಗೆ ಅನ್ವಯಿಸುತ್ತದೆ
conda activate ai4beg

ಯಾವುದೇ ಸಮಸ್ಯೆ ಎದುರಾದರೆ, Conda ಪರಿಸರಗಳ ಮಾರ್ಗದರ್ಶಿ ನೋಡಿ.

ಪೈಥಾನ್ ಬೆಂಬಲ ವಿಭಾಗದೊಂದಿಗೆ Visual Studio Code பயன்படுத்தುವುದು

ನಾವು ಈ ಕೋರ್ಸ್‌ಗೆ Visual Studio Code (VS Code) ಸಂಪಾದಕ ಮತ್ತು Python ಬೆಂಬಲ ವಿಭಾಗ ಅನ್ನು ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿಕೊಳ್ಳುವ ಸಲಹೆಯನ್ನು ನೀಡುತ್ತೇವೆ. ಇದೊಂದು ಶಿಫಾರಸು ಮಾತ್ರ, ಕಡ್ಡಾಯ ಅವಶ್ಯಕತೆ ಅಲ್ಲ.

ಗಮನಿಸಿ: ಕೋರ್ಸ್ ರೆಪೊವನ್ನು VS Code ನಲ್ಲಿ ತೆರೆಯುವ ಮೂಲಕ, ನೀವು ಪ್ರಾಜೆಕ್ಟ್ ಅನ್ನು ಕಂಟೇನರ್ ಒಳಗೆ ಸಿದ್ಧಪಡಿಸಬಹುದು. ಇದಕ್ಕೆ ಕಾರಣವೆಂದರೆ ಕೋರ್ಸ್ ರೆಪೊರ್ಯೂಟರಿಯಲ್ಲಿ ಸಿಗುವ ವಿಶೇಷ .devcontainer ಡೈರೆಕ್ಟರಿ. ಇದಕ್ಕೆ ಮುಂದಿನ ಅಧ್ಯಾಯದಲ್ಲಿ ಮಾಹಿತಿ ಇದೆ.

ಗಮನಿಸಿ: ನೀವು ರೆಪೊ ಕ್ಲೋನ್ ಮಾಡಿ VS Code ನಲ್ಲಿ ತೆರೆಯಿದಾಗ, Python ಬೆಂಬಲ ವಿಭಾಗವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಇನ್ಸ್ಟಾಲ್ ಮಾಡಲು ಸೂಚಿಸುತ್ತದೆ.

ಗಮನಿಸಿ: VS Code ನಿಮಗೆ ಈ ರೆಪೊವನ್ನು ಕಂಟೇನರ್‌ನಲ್ಲಿ ಮರುತೆರೆದುಕೊಳ್ಳಲು ಸೂಚಿಸಿದರೆ, ನೀವು ಸ್ಥಳೀಯವಾಗಿ ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿದ ಪೈಥಾನ್ ಆವೃತ್ತಿಯನ್ನು ಬಳಸಲು ಈ ವಿನಂತಿಯನ್ನು ತಿರಸ್ಕರಿಸಿ.

ಬ್ರೌಸರ್‌ನಲ್ಲಿ Jupyter ಬಳಸುವುದು

ನೀವು ಪ್ರಾಜೆಕ್ಟ್ ಮೇಲೆ ಕೆಲಸ ಮಾಡಲು Jupyter ವಾತಾವರಣ ಅನ್ನು ನಿಮ್ಮ ಬ್ರೌಸರ್‌ನಲ್ಲೇ ಬಳಸಬಹುದು. ಪಾರಂಪರಿಕ Jupyter ಮತ್ತು Jupyter Hub ಸ್ವಯಂಚಾಲಿತ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆ, ಕೋಡ್ ಹೈಲೈಟ್‌ಗಳು ಇತ್ಯಾದಿ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಹೊಂದಿರುವ ಆನಂದಕರ ಡೆವಲಪ್‌ಮೆಂಟ್ ವಾತಾವರಣಗಳನ್ನು ಒದಗಿಸುತ್ತವೆ.

Jupyter ಸ್ಥಳೀಯವಾಗಿ ಪ್ರಾರಂಭಿಸಲು, ಟರ್ಮಿನಲ್/ಕಮಾಂಡೆಲೈನ್‌ಗೆ ಹೋಗಿ, ಕೋರ್ಸ್ ಡೈರೆಕ್ಟರಿಗೆ ನವಿಗೇಟ್ ಮಾಡಿ, ಹಾಗೂ ಕೆಳಗಿನ ಆಜ್ಞೆಯನ್ನು ಚಾಲನೆ ಮಾಡಿರಿ:

jupyter notebook

ಅಥವಾ

jupyterhub

ಇದು Jupyter ಉದಾಹರಣೆಯನ್ನು ಪ್ರಾರಂಭಿಸುತ್ತದೆ ಮತ್ತು ಅದಕ್ಕೆ ಪ್ರವೇಶಿಸುವ URL ಕಮಾಂಡೆಲೈನ್ ವಿಂಡೋದಲ್ಲ göstərಿಸಲಾಗುತ್ತದೆ.

URL ಪ್ರವೇಶಿಸಿದ ಕೂಡಲೇ, ನೀವು ಕೋರ್ಸ್ ರೂಪರೇಖೆಯನ್ನು ನೋಡಬಹುದು ಮತ್ತು ಯಾವುದೇ *.ipynb ಫೈಲ್‌ಗೆ ನವಿಗೇಟ್ ಮಾಡಬಹುದು. ಉದಾಹರಣೆಗೆ, 08-building-search-applications/python/oai-solution.ipynb.

ಕಂಟೇನರ್‌ನಲ್ಲಿ ಚಾಲನೆ

ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ ಅಥವಾ Codespace ನಲ್ಲಿ ಎಲ್ಲವನ್ನೂ ಸಿದ್ಧಪಡಿಸುವ ಬದಲು, ನೀವು ಕಂಟೇನರ್ ಅನ್ನು ಬಳಸಬಹುದು. ಕೋರ್ಸ್ ರೆಪೊರ್ಯೂಟರಿಯ ವಿಶೇಷ .devcontainer ಫೋಲ್ಡರ್ VS Code ಗೆ ಪ್ರಾಜೆಕ್ಟ್ ಅನ್ನು ಕಂಟೇನರ್ ಒಳಗೆ ಸಿದ್ಧಪಡಿಸಲು ಅನುಮತಿಸುತ್ತದೆ. Codespaces ಹೊರಗಡೆ, ಇದಕ್ಕಾಗಿ Docker ಸ್ಥಾಪನೆ ಅಗತ್ಯವಿದೆ ಮತ್ತು ಧೈರ್ಯದಿಂದ ಹೇಳುವುದಾದರೆ ಇದು ಸ್ವಲ್ಪ ಹೋಗಬಹುದಾದ ಕೆಲಸವಾಗಿದ್ದು, ಕಂಟೇನರ್‌ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ಅನುಭವ ಹೊಂದಿರುವವರಿಗೆ ಮಾತ್ರ ನಾವು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.

GitHub Codespaces ಬಳಸದಾಗ ನಿಮ್ಮ API ಕೀಲಿಗಳನ್ನು ಸುರಕ್ಷಿತವಾಗಿಡಲು Codespace Secrets ಬಳಕೆ ಅತ್ಯುತ್ತಮ ಮಾರ್ಗವಾಗಿದೆ. ದಯವಿಟ್ಟು Codespaces ರಹಸ್ಯ ನಿರ್ವಹಣೆ ಮಾರ್ಗದರ್ಶಿಯನ್ನು ಅನುಸರಿಸಿ.

ಪಾಠಗಳು ಮತ್ತು ತಾಂತ್ರಿಕ ಅಗತ್ಯಗಳು

ಈ ಕೋರ್ಸ್‌ಗೆ ಒಟ್ಟು 6 ಕಲಿಕೆ ಪಾಠಗಳು ಮತ್ತು 6 ಕೋಡಿಂಗ್ ಪಾಠಗಳಿವೆ.

ಕೋಡಿಂಗ್ ಪಾಠಗಳಿಗೆ ನಾವು Azure OpenAI ಸೇವೆಯನ್ನು ಬಳಸುತ್ತೇವೆ. ನೀವು ಈ ಕೋಡ್ ಅನ್ನು ಓಪನಾಯ್ ಮಾಡಲು Azure OpenAI ಸೇವೆಗೆ ಪ್ರವೇಶ ಮತ್ತು API ಕೀ ಬೇಕಾಗುತ್ತದೆ. ನೀವು ಪ್ರವೇಶ ಪಡೆಯಲು ಈ ಅರ್ಜಿಯನ್ನು ಪೂರ್ಣಗೊಳಿಸುವ ಮೂಲಕ ಅರ್ಜಿ ಹಾಕಬಹುದು.

ನೀವು ನಿಮ್ಮ ಅರ್ಜಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಇರಿಸುವಾಗ, ಪ್ರತಿಯೊಂದು ಕೋಡಿಂಗ್ ಪಾಠದಲ್ಲಿಯೂ README.md ಫೈಲ್ ಇರುವುದರಿಂದ ನೀವು ಕೋಡ್ ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ನೋಡುವ ಮೂಲಕ ಕೇಳಬಹುದು.

ಮೊದಲ ಬಾರಿಗೆ Azure OpenAI ಸೇವೆ ಬಳಸುವುದು

ನೀವು ಪ್ರಥಮ ಬಾರಿಗೆ Azure OpenAI ಸೇವೆ ಬಳಸುತ್ತಿದ್ದರೆ, ದಯವಿಟ್ಟು ಈ ಮಾರ್ಗದರ್ಶಿಯನ್ನು ಅನುಸರಿಸಿ ಏನು ಮಾಡಬೇಕೆಂದು ತಿಳಿಯಿರಿ: Azure OpenAI Service ಸಂಪನ್ಮೂಲವನ್ನು ಸೃಜಿಸುವುದು ಮತ್ತು ನಿಯೋಜಿಸುವುದು

ಮೊದಲ ಬಾರಿಗೆ OpenAI API ಬಳಸುವುದು

ನೀವು ಮೊದಲ ಬಾರಿಗೆ OpenAI API ಸಂಪರ್ಕಿಸುತ್ತಿದ್ದರೆ, ದಯವಿಟ್ಟು ಇಂಟರ್ಫೇಸ್ ರಚಿಸುವ ಮತ್ತು ಬಳಸುವ ಮಾರ್ಗದರ್ಶಿಯನ್ನು ಅನುಸರಿಸಿ.

ಇತರೆ ಕಲಿಯುವವರನ್ನು ಭೇಟಿಮಾಡಿ

ನಾವು ನಮ್ಮ ಅಧಿಕೃತ AI ಸಮುದಾಯ Discord ಸರ್ವರ್ ನಲ್ಲಿ ಇತರೆ ಕಲಿಯುವವರನ್ನು ಭೇಟಿ ಮಾಡಲು ಚಾನಲ್‌ಗಳನ್ನು ರಚಿಸಿದ್ದೇವೆ. இது같은 ಮನಸ್ಸಿನ ಉದ್ಯಮಿಗಳು, ನಿರ್ಮಾಪಕರು, ವಿದ್ಯಾರ್ಥಿಗಳು ಮತ್ತು ಜೆನೆರೇಟಿವ್ AI ನಲ್ಲಿ ಇನ್ನಷ್ಟು ಬೆಳವಣಿಗೆಗೆ ಬಯಸುವ ಯಾರಿಗಾಗಲಿ ನೆಟ್‌ವರ್ಕ್ ಮಾಡಲು ಉತ್ತಮ ಮಾರ್ಗವಾಗಿದೆ.

ಡಿಸ್ಕಾರ್ಡ್ ಚಾಂನೆಲ್ ಜಾಯಿನ್ ಆಗಿ

ಪ್ರಾಜೆಕ್ಟ್ ತಂಡವು ಸಹ ಈ ಡಿಸ್ಕಾರ್ಡ್ ಸರ್ವರ್‌ನಲ್ಲಿ ಕಲಿಯುವವರಿಗೆ ಸಹಾಯ ಮಾಡಲು ಇರುತ್ತದೆ.

ಕೊಡುಗೆ ಮಾಡಿ

ಈ ಕೋರ್ಸ್ ಒಂದು ಓಪನ್-ಸೋರ್ಸ್ ಉದ್ಯಮವಾಗಿದೆ. ನೀವು ಸುಧಾರಣೆ ಅಥವಾ ಸಮಸ್ಯೆಗಳಿದ್ದರೆ, Pull Request ರಚಿಸಿ ಅಥವಾ GitHub Issue ಅನ್ನು ಲಾಗ್ ಮಾಡಿ.

ಪ್ರಾಜೆಕ್ಟ್ ತಂಡವು ಎಲ್ಲಾ ಕೊಡುಗೆಗಳನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುತ್ತಾಳೆ. ಓಪನ್ ಸೋರ್ಸ್‌ಗೆ ಕೊಡುಗೆ ನೀಡುವುದು ಜೆನೆರೇಟಿವ್ AI ನಲ್ಲಿ ನಿಮ್ಮ ವೃತ್ತಿಯನ್ನು ನಿರ್ಮಿಸುವ ಅದ್ಭುತ ಮಾರ್ಗವಾಗಿದೆ.

ಹೆಚ್ಚಿನ ಕೊಡುಗೆಗಳಿಗೆ ನೀವು Contributor License Agreement (CLA) ಒಂದನ್ನು ಒಪ್ಪಿಕೊಳ್ಳಬೇಕು, ಇದು ನೀವು ನಿಮ್ಮ ಕೊಡುಗೆಯನ್ನು ಬಳಸಲು ಹಕ್ಕು ಹೊಂದಿದ್ದೀರಿ ಮತ್ತು ನಿಜವಾಗಿಯೂ ಹಕ್ಕು ನೀಡುತ್ತಿದ್ದೀರಿ ಎಂದು ಘೋಷಿಸುತ್ತದೆ. ವಿವರಗಳಿಗೆ CLA, Contributor License Agreement ವೆಬ್‌ಸೈಟ್ ಅನ್ನು ನೋಡಿ.

ಮುಖ್ಯ: ಈ ರೆಪೋದಲ್ಲಿ ಪಠ್ಯವನ್ನು ಅನುವಾದಿಸುವಾಗ, ದಯವಿಟ್ಟು ಯಂತ್ರ ಅನುವಾದವನ್ನು ಬಳಸಬೇಡಿ. ನಾವು ಸಮುದಾಯದ ಮೂಲಕ ಅನುವಾದಗಳನ್ನು ಪರಿಶೀಲಿಸಬಹುದು, ಆದ್ದರಿಂದ ನೀವು ಪರಿಣತಿಯುಳ್ಳ ಭಾಷೆಗಳಲ್ಲಿಯೇ ಮಾತ್ರ ಅನುವಾದಕ್ಕೆ ಸ್ವಯಂ ಸೇವೆಗೆ ಆಗ್ರಹಿಸಿ.

ನೀವು ಪಲ್ಲು ರಿಕ್ವೆಸ್ಟ್ ಸಲ್ಲಿಸಿದಾಗ, CLA-ಬಾಟ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ನೀವು CLA ಒದಗಿಸಬೇಕೋ ಇಲ್ಲವೋ ಅಂತ ತಿಳಿದು, PR ಗೆ ಸೂಕ್ತ ಲೇಬಲ್, ಕಾಮೆಂಟ್‌ಗಳನ್ನು ನೀಡುತ್ತದೆ. ಬೋಟಿನ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸಿ. ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನೀವು ಎಲ್ಲಾ ಸಂಗ್ರಹಣೆಯಲ್ಲಿಯೂ ಒಮ್ಮೆ ಮಾತ್ರ ಮಾಡಬೇಕಾಗುತ್ತದೆ.

ಈ ಪ್ರಾಜೆಕ್ಟ್ Microsoft Open Source ನಡವಳಿಕೆ ನಿಯಮಾವಳಿ ಅಂಗೀಕರಿಸಿದೆ. ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗೆ ನಡವಳಿಕೆ FAQ ಓದಿ ಅಥವಾ Email opencode ಗೆ ಯಾವುದೇ ಹೆಚ್ಚುವರಿ ಪ್ರಶ್ನೆಗಳು ಅಥವಾ ಟಿಪ್ಪಣಿಗಳೊಂದಿಗೆ ಸಂಪರ್ಕಿಸಿ.

ಪ್ರಾರಂಭಿಸೋಣ!

ಈ ಕೋರ್ಸ್ ಮುಗಿಸಲು ಅಗತ್ಯವಿರುವ ಎಲ್ಲಾ ಹೆಜ್ಜೆಗಳು ಈಗ ಪೂರ್ಣಗೊಂಡಿದ್ದರಿಂದ, ಜನರೇಟಿವ್ AI ಮತ್ತು LLMಗಳ ಪರಿಚಯ ಪಡೆಯುವುದರಿಂದ ಪ್ರಾರಂಭಿಸೋಣ.

ಅಸ್ವೀಕಾರೈಕೆ:
ಈ ದಾಖಲೆ Co-op Translator ಎಂಬ AI ಭಾಷಾಂತರ ಸೇವೆಯನ್ನು ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ಶುದ್ಧತೆಯನ್ನು ಗುರಿಪಡಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಭಾಷಾಂತರಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸಮರ್ಪಕತೆಗಳಿರಬಹುದು ಎಂಬುದನ್ನು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿ ಇರುವ ಮೂಲ ದಾಖಲೆ ಅಧಿಕಾರಪೂರ್ವಕ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಮಹತ್ವದ ಮಾಹಿತಿಗಾಗಿ ವೃತ್ತಿಪರ ಮಾನವ ಭಾಷಾಂತರವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಭಾಷಾಂತರ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ವ್ಯಕ್ತಪಡಿಸುವಿಕೆ ಅಥವಾ ಅರ್ಥಾಭ್ಯಾಸಕ್ಕಾಗಿ ನಾವು ಹೊಣೆಗಾರರಾಗಿರುವುದಿಲ್ಲ.