Skip to content

README.md

Latest commit

 

History

History
223 lines (137 loc) · 14.5 KB

README.md

File metadata and controls

223 lines (137 loc) · 14.5 KB

Commencer avec ce cours

Nous sommes très enthousiastes à l'idée que vous commenciez ce cours et que vous découvriez ce que vous serez inspiré à créer avec l'IA générative !

Pour garantir votre succès, cette page présente les étapes de configuration, les exigences techniques et où obtenir de l'aide si nécessaire.

Étapes de configuration

Pour commencer ce cours, vous devrez suivre les étapes suivantes.

1. Forker ce Repo

Forkez l'intégralité de ce repo sur votre propre compte GitHub pour pouvoir modifier le code et relever les défis. Vous pouvez également mettre une étoile (🌟) à ce repo pour le retrouver plus facilement ainsi que les repos associés.

2. Créer un codespace

Pour éviter tout problème de dépendance lors de l'exécution du code, nous recommandons de suivre ce cours dans un GitHub Codespaces.

Cela peut être créé en sélectionnant l'option Code sur votre version forkée de ce repo et en choisissant l'option Codespaces.

Dialogue montrant les boutons pour créer un codespace

3. Stocker vos clés API

Garder vos clés API sûres et sécurisées est important lors de la création de toute application. Nous recommandons de ne pas stocker les clés API directement dans votre code. Les commettre dans un dépôt public pourrait entraîner des problèmes de sécurité et même des coûts indésirables si elles sont utilisées par une personne malveillante. Voici un guide étape par étape sur comment créer un fichier .env pour Python et ajouter le GITHUB_TOKEN :

  1. Naviguer vers le répertoire de votre projet : Ouvrez votre terminal ou invite de commandes et naviguez vers le répertoire racine de votre projet où vous souhaitez créer le fichier .env.

    cd path/to/your/project

  2. Créer le fichier .env : Utilisez votre éditeur de texte préféré pour créer un nouveau fichier nommé .env. Si vous utilisez la ligne de commande, vous pouvez utiliser touch (on Unix-based systems) or echo (sur Windows) :

    Systèmes basés sur Unix :

    touch .env

    Windows :

    echo . > .env

  3. Modifier le fichier .env : Ouvrez le fichier .env dans un éditeur de texte (par exemple, VS Code, Notepad++, ou tout autre éditeur). Ajoutez la ligne suivante au fichier, en remplaçant your_github_token_here par votre véritable token GitHub :

    GITHUB_TOKEN=your_github_token_here

  4. Sauvegarder le fichier : Sauvegardez les modifications et fermez l'éditeur de texte.

  5. Installer le package python-dotenv: If you haven't already, you'll need to install the python-dotenv pour charger les variables d'environnement à partir du fichier .env dans votre application Python. Vous pouvez l'installer avec pip :

    pip install python-dotenv

  6. Charger les variables d'environnement dans votre script Python : Dans votre script Python, utilisez le package python-dotenv pour charger les variables d'environnement à partir du fichier .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)

C'est tout ! Vous avez réussi à créer un fichier .env, ajouté votre token GitHub, et l'avez chargé dans votre application Python.

Comment exécuter localement sur votre ordinateur

Pour exécuter le code localement sur votre ordinateur, vous devez avoir une version de Python installée.

Pour ensuite utiliser le dépôt, vous devez le cloner :

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

Une fois que vous avez tout vérifié, vous pouvez commencer !

Étapes optionnelles

Installer Miniconda

Miniconda est un installateur léger pour installer Conda, Python, ainsi que quelques packages. Conda est un gestionnaire de packages qui facilite la configuration et le basculement entre différents environnements virtuels Python et packages. Il est également utile pour installer des packages qui ne sont pas disponibles via pip.

You can follow the MiniConda installation guide to set it up.

With Miniconda installed, you need to clone the repository (if you haven't already)

Next, you need to create a virtual environment. To do this with Conda, go ahead and create a new environment file (environment.yml). If you are following along using Codespaces, create this within the .devcontainer directory, thus .devcontainer/environment.yml.

Allez-y et remplissez votre fichier d'environnement avec le fragment ci-dessous :

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

Si vous rencontrez des erreurs en utilisant conda, vous pouvez installer manuellement les bibliothèques AI de Microsoft en utilisant la commande suivante dans un terminal.

conda install -c microsoft azure-ai-ml

Le fichier d'environnement spécifie les dépendances dont nous avons besoin. <environment-name> refers to the name you would like to use for your Conda environment, and <python-version> is the version of Python you would like to use, for example, 3 est la dernière version majeure de Python.

Avec cela fait, vous pouvez aller de l'avant et créer votre environnement Conda en exécutant les commandes ci-dessous dans votre ligne de commande/terminal

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

Consultez le guide des environnements Conda si vous rencontrez des problèmes.

Utiliser Visual Studio Code avec l'extension de support Python

Nous recommandons d'utiliser l'éditeur Visual Studio Code (VS Code) avec l'extension de support Python installée pour ce cours. Cependant, c'est plus une recommandation qu'une exigence définitive.

Remarque : En ouvrant le dépôt du cours dans VS Code, vous avez la possibilité de configurer le projet dans un conteneur. Cela est dû au répertoire spécial .devcontainer trouvé dans le dépôt du cours. Plus d'informations à ce sujet plus tard.

Remarque : Une fois que vous clonez et ouvrez le répertoire dans VS Code, il vous suggérera automatiquement d'installer une extension de support Python.

Remarque : Si VS Code vous suggère de réouvrir le dépôt dans un conteneur, refusez cette demande afin d'utiliser la version installée localement de Python.

Utiliser Jupyter dans le navigateur

Vous pouvez également travailler sur le projet en utilisant l'environnement Jupyter directement dans votre navigateur. Jupyter classique et Jupyter Hub offrent un environnement de développement agréable avec des fonctionnalités telles que l'auto-complétion, la mise en évidence du code, etc.

Pour démarrer Jupyter localement, rendez-vous sur le terminal/ligne de commande, naviguez vers le répertoire du cours, et exécutez :

jupyter notebook

ou

jupyterhub

Cela démarrera une instance Jupyter et l'URL pour y accéder sera affichée dans la fenêtre de la ligne de commande.

Une fois que vous accédez à l'URL, vous devriez voir le plan du cours et pouvoir naviguer vers n'importe quel fichier *.ipynb file. For example, 08-building-search-applications/python/oai-solution.ipynb.

Running in a container

An alternative to setting everything up on your computer or Codespace is to use a container. The special .devcontainer folder within the course repository makes it possible for VS Code to set up the project within a container. Outside of Codespaces, this will require the installation of Docker, and quite frankly, it involves a bit of work, so we recommend this only to those with experience working with containers.

One of the best ways to keep your API keys secure when using GitHub Codespaces is by using Codespace Secrets. Please follow the Codespaces secrets management guide to learn more about this.

Lessons and Technical Requirements

The course has 6 concept lessons and 6 coding lessons.

For the coding lessons, we are using the Azure OpenAI Service. You will need access to the Azure OpenAI service and an API key to run this code. You can apply to get access by completing this application.

While you wait for your application to be processed, each coding lesson also includes a README.md où vous pouvez voir le code et les sorties.

Utiliser le service Azure OpenAI pour la première fois

Si c'est la première fois que vous travaillez avec le service Azure OpenAI, veuillez suivre ce guide sur comment créer et déployer une ressource du service Azure OpenAI.

Utiliser l'API OpenAI pour la première fois

Si c'est la première fois que vous travaillez avec l'API OpenAI, veuillez suivre le guide sur comment créer et utiliser l'interface.

Rencontrer d'autres apprenants

Nous avons créé des canaux sur notre serveur Discord officiel AI Community pour rencontrer d'autres apprenants. C'est une excellente façon de réseauter avec d'autres entrepreneurs, constructeurs, étudiants, et toute personne cherchant à se perfectionner en IA générative.

Rejoindre le canal discord

L'équipe du projet sera également sur ce serveur Discord pour aider les apprenants.

Contribuer

Ce cours est une initiative open-source. Si vous voyez des points à améliorer ou des problèmes, veuillez créer une Pull Request ou enregistrer un problème GitHub.

L'équipe du projet suivra toutes les contributions. Contribuer à l'open source est une excellente façon de développer votre carrière en IA générative.

La plupart des contributions nécessitent que vous acceptiez un Accord de Licence de Contributeur (CLA) déclarant que vous avez le droit de et que vous accordez effectivement à nous les droits d'utiliser votre contribution. Pour plus de détails, visitez le site CLA, Accord de Licence de Contributeur.

Important : lors de la traduction de texte dans ce repo, veuillez vous assurer de ne pas utiliser de traduction automatique. Nous vérifierons les traductions via la communauté, alors veuillez vous porter volontaire uniquement pour les traductions dans des langues où vous êtes compétent.

Lorsque vous soumettez une pull request, un CLA-bot déterminera automatiquement si vous devez fournir un CLA et décorera la PR en conséquence (par exemple, étiquette, commentaire). Suivez simplement les instructions fournies par le bot. Vous n'aurez besoin de le faire qu'une seule fois pour tous les dépôts utilisant notre CLA.

Ce projet a adopté le Code de Conduite Open Source de Microsoft. Pour plus d'informations, lisez la FAQ sur le Code de Conduite ou contactez Email opencode pour toute question ou commentaire supplémentaire.

Commençons

Maintenant que vous avez complété les étapes nécessaires pour suivre ce cours, commençons par obtenir une introduction à l'IA générative et aux LLMs.

Avertissement :
Ce document a été traduit à l'aide du service de traduction AI Co-op Translator. Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue maternelle doit être considéré comme la source faisant autorité. Pour des informations critiques, une traduction humaine professionnelle est recommandée. Nous ne sommes pas responsables des malentendus ou des interprétations erronées résultant de l'utilisation de cette traduction.