Skip to content

README.md

Latest commit

 

History

History
232 lines (143 loc) · 19.9 KB

README.md

File metadata and controls

232 lines (143 loc) · 19.9 KB

Начало работы с этим курсом

Мы очень рады, что вы начинаете этот курс и увидите, что вас вдохновит создать с помощью генеративного ИИ!

Чтобы обеспечить ваш успех, на этой странице описаны шаги настройки, технические требования и места, где можно получить помощь при необходимости.

Шаги настройки

Чтобы начать этот курс, вам нужно выполнить следующие шаги.

1. Форкнуть этот репозиторий

Сделайте форк всего репозитория в свой собственный аккаунт GitHub, чтобы иметь возможность изменять код и выполнять задания. Вы также можете поставить звезду (🌟) этому репозиторию, чтобы проще было его и связанные репозитории находить.

2. Создайте codespace

Чтобы избежать проблем с зависимостями при запуске кода, мы рекомендуем запускать этот курс в GitHub Codespaces.

В вашем форке: Code -> Codespaces -> New on main

Диалоговое окно с кнопками для создания codespace

2.1 Добавьте секрет

  1. ⚙️ Значок шестеренки -> Command Pallete -> Codespaces : Manage user secret -> Add a new secret.
  2. Назовите OPENAI_API_KEY, вставьте ваш ключ, Сохраните.

3. Что дальше?

Я хочу… Перейти в…
Начать урок 1 01-introduction-to-genai
Работать офлайн setup-local.md
Настроить поставщика LLM providers.md
Познакомиться с другими обучающимися Присоединиться к нашему Discord

Устранение неполадок

Симптом Исправление
Сборка контейнера застряла > 10 мин Codespaces ➜ “Rebuild Container”
python: command not found Терминал не подключился; нажмите + ➜ bash
401 Unauthorized от OpenAI Неправильный или истекший OPENAI_API_KEY
VS Code показывает «Dev container mounting…» Обновите вкладку браузера — Codespaces иногда теряет соединение
Отсутствует ядро в ноутбуке Меню ноутбука ➜ Kernel ▸ Select Kernel ▸ Python 3

Для Unix-подобных систем:

touch .env

Для Windows:

echo . > .env

  1. Отредактируйте файл .env: Откройте файл .env в текстовом редакторе (например, VS Code, Notepad++ или любом другом редакторе). Добавьте следующую строку, заменив your_github_token_here на ваш реальный токен GitHub:

    GITHUB_TOKEN=your_github_token_here

  2. Сохраните файл: Сохраните изменения и закройте редактор.

  3. Установите python-dotenv: Если вы ещё не сделали этого, установите пакет python-dotenv, который загружает переменные окружения из файла .env в ваше Python-приложение. Установить можно с помощью pip:

    pip install python-dotenv

  4. Загрузите переменные окружения в вашем Python-скрипте: В вашем Python-скрипте используйте пакет python-dotenv для загрузки переменных окружения из файла .env:

    from dotenv import load_dotenv
import os

# Загрузить переменные окружения из файла .env
load_dotenv()

# Получить доступ к переменной GITHUB_TOKEN
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

Вот и всё! Вы успешно создали файл .env, добавили в него ваш GitHub токен и загрузили его в ваше Python-приложение.

Как запускать локально на вашем компьютере

Чтобы запускать код локально на компьютере, вам нужно иметь установленный Python.

Чтобы использовать репозиторий, его нужно клонировать:

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

После того как вы всё скачали, можете начинать!

Необязательные шаги

Установка Miniconda

Miniconda — это лёгкий установщик для установки Conda, Python, а также некоторых пакетов. Conda — это менеджер пакетов, который облегчает настройку и переключение между разными виртуальными окружениями Python и пакетами. Он также полезен для установки пакетов, которых нет в pip.

Вы можете следовать руководству по установке Miniconda для настройки.

С установленным Miniconda вам нужно клонировать репозиторий (если вы ещё не сделали это).

Далее нужно создать виртуальное окружение. Для этого с помощью Conda создайте новый файл окружения (environment.yml). Если вы работаете в Codespaces, создайте его внутри директории .devcontainer, то есть .devcontainer/environment.yml.

Заполните ваш файл окружения сниппетом ниже:

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

Если при использовании conda вы получаете ошибки, можно вручную установить библиотеки Microsoft AI с помощью следующей команды в терминале.

conda install -c microsoft azure-ai-ml

Файл окружения указывает зависимости, которые нам нужны. <environment-name> — это имя, которое вы хотите использовать для окружения Conda, а <python-version> — версия Python, которую вы хотите использовать; например, 3 — последняя основная версия Python.

Когда всё готово, создайте ваше окружение Conda, выполнив команды ниже в командной строке/терминале

conda env create --name ai4beg --file .devcontainer/environment.yml # Подпуть .devcontainer применяется только к настройкам Codespace
conda activate ai4beg

Обратитесь к руководству по окружениям Conda, если возникнут проблемы.

Использование Visual Studio Code с расширением поддержки Python

Мы рекомендуем использовать редактор Visual Studio Code (VS Code) с установленным расширением поддержки Python для этого курса. Однако это скорее рекомендация, а не обязательное требование.

Примечание: Открыв репозиторий курса в VS Code, вы можете настроить проект в контейнере. Это возможно благодаря специальной директории .devcontainer, которая есть в репозитории курса. Подробнее об этом позже.

Примечание: После клонирования и открытия директории в VS Code он автоматически предложит установить расширение поддержки Python.

Примечание: Если VS Code предложит переоткрыть репозиторий в контейнере, отклоните это, чтобы использовать локально установленный Python.

Использование Jupyter в браузере

Вы также можете работать над проектом в среде Jupyter прямо в браузере. Как классический Jupyter, так и Jupyter Hub предоставляют удобную среду разработки с такими функциями, как автодополнение, подсветка кода и др.

Чтобы запустить Jupyter локально, откройте терминал/командную строку, перейдите в директорию курса и выполните:

jupyter notebook

или

jupyterhub

Это запустит инстанс Jupyter, URL для доступа к нему будет показан в окне командной строки.

Перейдя по URL, вы увидите структуру курса и сможете открыть любой файл *.ipynb. Например, 08-building-search-applications/python/oai-solution.ipynb.

Запуск в контейнере

Альтернативой настройке всего на вашем компьютере или в Codespace является использование контейнера. Специальная папка .devcontainer в репозитории курса позволяет VS Code настроить проект в контейнере. За пределами Codespaces для этого потребуется установка Docker, и, честно говоря, это требует определённых навыков, поэтому мы рекомендуем такой способ только тем, кто уже имеет опыт работы с контейнерами.

Один из лучших способов обеспечить безопасность ваших API-ключей при использовании GitHub Codespaces — использовать Секреты Codespace. Пожалуйста, следуйте руководству по управлению секретами в Codespaces, чтобы узнать больше.

Уроки и технические требования

В курсе 6 концептуальных и 6 практических уроков.

Для практических уроков мы используем Azure OpenAI Service. Для запуска кода вам понадобится доступ к Azure OpenAI service и API-ключ. Вы можете подать заявку на доступ, заполнив эту форму.

Пока ваша заявка рассматривается, в каждом практическом уроке есть файл README.md, где вы можете ознакомиться с кодом и результатами.

Использование Azure OpenAI Service впервые

Если вы впервые используете Azure OpenAI service, пожалуйста, следуйте этому руководству, чтобы создать и развернуть ресурс Azure OpenAI Service.

Использование OpenAI API впервые

Если вы впервые работаете с OpenAI API, пожалуйста, ознакомьтесь с руководством, как создавать и использовать интерфейс.

Познакомьтесь с другими обучающимися

Мы создали каналы в нашем официальном AI сообществе Discord для знакомства с другими обучающимися. Это отличный способ познакомиться с другими единомышленниками, предпринимателями, разработчиками, студентами и всеми, кто хочет повысить свои знания в генеративном ИИ.

Присоединиться к каналу discord

Команда проекта будет также в этом Discord-сервере для помощи обучающимся.

Вклад в проект

Этот курс — инициативы с открытым исходным кодом. Если вы видите возможность улучшений или ошибки, пожалуйста, создайте Pull Request или зарегистрируйте GitHub issue.

Команда проекта отслеживает все вклады. Вклад в open source — отличный способ развивать карьеру в генеративном ИИ.

Большинство вкладов требуют согласия с Лицензионным соглашением для участников (CLA), где вы подтверждаете свое право и действительно даёте нам права на использование вашего вклада. Подробности на сайте CLA, Contributor License Agreement.

Важно: при переводе текста в этом репозитории не используйте машинный перевод. Мы проверим переводы через сообщество, поэтому участвуйте только в переводах на тех языках, на которых вы хорошо владеете.

После создания pull request, бот CLA автоматически определит, нужно ли вам предоставить CLA и отметит PR соответствующе (например, меткой или комментарием). Просто следуйте инструкциям бота. Это нужно будет сделать только один раз для всех репозиториев, использующих нашу CLA.

Проект принял Кодекс поведения Microsoft Open Source. Подробнее о этом читайте в FAQ или свяжитесь по Email opencode (opencode@microsoft.com) для дополнительных вопросов или комментариев.

Давайте начинать!

Теперь, когда вы выполнили необходимые шаги для завершения этого курса, давайте начнем с введения в генеративный ИИ и большие языковые модели (LLM).

Отказ от ответственности:
Этот документ был переведен с помощью сервиса автоматического перевода Co-op Translator. Несмотря на наши усилия по обеспечению точности, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его языке является официальным и приоритетным источником. Для получения критически важной информации рекомендуется использовать профессиональный перевод, выполненный человеком. Мы не несем ответственности за любые недоразумения или ошибки в интерпретации, возникшие в результате использования данного перевода.