README.md

Iniziare con questo corso

Siamo molto entusiasti che tu inizi questo corso e di vedere cosa ti ispiri a creare con l'Intelligenza Artificiale Generativa!

Per garantire il tuo successo, questa pagina delinea i passaggi di configurazione, i requisiti tecnici e dove ottenere aiuto se necessario.

Passaggi di configurazione

Per iniziare a seguire questo corso, dovrai completare i seguenti passaggi.

1. Effettua un fork di questo Repository

Esegui un fork di questo intero repository sul tuo account GitHub per poter modificare qualsiasi codice e completare le sfide. Puoi anche aggiungere una stella (🌟) a questo repository per trovarlo e i repository correlati più facilmente.

2. Crea uno spazio di codice

Per evitare problemi di dipendenze durante l'esecuzione del codice, ti consigliamo di eseguire questo corso in un GitHub Codespaces.

Puoi crearlo selezionando l'opzione Code sulla tua versione forkata di questo repository e selezionando l'opzione Codespaces.

3. Conservazione delle tue chiavi API

Mantenere le tue chiavi API sicure è importante quando costruisci qualsiasi tipo di applicazione. Ti consigliamo di non memorizzare direttamente le chiavi API nel tuo codice. Commettere questi dettagli in un repository pubblico potrebbe causare problemi di sicurezza e anche costi indesiderati se utilizzati da un malintenzionato. Ecco una guida passo passo su come creare un file .env per Python e aggiungere GITHUB_TOKEN:

1. Naviga nella tua directory del progetto: Apri il tuo terminale o prompt dei comandi e naviga nella directory principale del tuo progetto dove vuoi creare il file .env.

   cd path/to/your/project

2. Crea il file .env: Usa il tuo editor di testo preferito per creare un nuovo file chiamato .env. Se stai usando la riga di comando, puoi usare touch (on Unix-based systems) or echo (su Windows):

   Sistemi basati su Unix:

   touch .env

   Windows:

   echo . > .env

3. Modifica il file .env: Apri il file .env in un editor di testo (ad esempio, VS Code, Notepad++ o qualsiasi altro editor). Aggiungi la seguente riga al file, sostituendo your_github_token_here con il tuo effettivo token GitHub:

   GITHUB_TOKEN=your_github_token_here

4. Salva il file: Salva le modifiche e chiudi l'editor di testo.

5. Installa il pacchetto python-dotenv: If you haven't already, you'll need to install the python-dotenv per caricare le variabili d'ambiente dal file .env nella tua applicazione Python. Puoi installarlo usando pip:

   pip install python-dotenv

6. Carica le variabili d'ambiente nel tuo script Python: Nel tuo script Python, usa il pacchetto python-dotenv per caricare le variabili d'ambiente dal file .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)

Questo è tutto! Hai creato con successo un file .env, aggiunto il tuo token GitHub e caricato nella tua applicazione Python.

Come eseguire localmente sul tuo computer

Per eseguire il codice localmente sul tuo computer, avresti bisogno di avere una qualche versione di Python installata.

Per poi utilizzare il repository, devi clonarlo:

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

Una volta che hai tutto a posto, puoi iniziare!

Passaggi opzionali

Installazione di Miniconda

Miniconda è un installatore leggero per installare Conda, Python e alcuni pacchetti. Conda è un gestore di pacchetti che rende facile impostare e passare tra diversi ambienti virtuali Python e pacchetti. È utile anche per installare pacchetti che non sono disponibili tramite 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.

Procedi a popolare il tuo file di ambiente con il frammento qui sotto:

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

Se riscontri errori utilizzando conda, puoi installare manualmente le librerie AI di Microsoft utilizzando il seguente comando in un terminale.

conda install -c microsoft azure-ai-ml

Il file di ambiente specifica le dipendenze di cui abbiamo bisogno. <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 è l'ultima versione principale di Python.

Con questo fatto, puoi procedere a creare il tuo ambiente Conda eseguendo i comandi qui sotto nella tua riga di comando/terminale

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

Consulta la guida agli ambienti Conda se incontri problemi.

Utilizzare Visual Studio Code con l'estensione di supporto Python

Ti consigliamo di utilizzare l'editor Visual Studio Code (VS Code) con l'estensione di supporto Python Python support extension installata per questo corso. Tuttavia, questa è più una raccomandazione che un requisito definitivo.

Nota: Aprendo il repository del corso in VS Code, hai l'opzione di configurare il progetto all'interno di un contenitore. Questo è dovuto alla directory speciale .devcontainer trovata all'interno del repository del corso. Maggiori informazioni su questo più avanti.

Nota: Una volta clonato e aperto la directory in VS Code, verrà automaticamente suggerito di installare un'estensione di supporto Python.

Nota: Se VS Code ti suggerisce di riaprire il repository in un contenitore, rifiuta questa richiesta per utilizzare la versione di Python installata localmente.

Utilizzare Jupyter nel browser

Puoi anche lavorare al progetto utilizzando l'ambiente Jupyter direttamente nel tuo browser. Sia Jupyter classico che Jupyter Hub forniscono un ambiente di sviluppo piuttosto piacevole con funzionalità come il completamento automatico, l'evidenziazione del codice, ecc.

Per avviare Jupyter localmente, vai al terminale/linea di comando, naviga nella directory del corso ed esegui:

jupyter notebook

oppure

jupyterhub

Questo avvierà un'istanza di Jupyter e l'URL per accedervi verrà mostrato nella finestra della riga di comando.

Una volta che accedi all'URL, dovresti vedere il sommario del corso e poter navigare in qualsiasi file *.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 dove puoi visualizzare il codice e i risultati.

Utilizzare il servizio Azure OpenAI per la prima volta

Se è la tua prima volta che lavori con il servizio Azure OpenAI, segui questa guida su come creare e distribuire una risorsa del servizio Azure OpenAI.

Utilizzare l'API OpenAI per la prima volta

Se è la tua prima volta che lavori con l'API OpenAI, segui la guida su come creare e utilizzare l'interfaccia.

Incontra altri studenti

Abbiamo creato canali nel nostro server Discord ufficiale della Community AI per incontrare altri studenti. Questo è un ottimo modo per fare rete con altri imprenditori, costruttori, studenti e chiunque desideri migliorare le proprie competenze nell'Intelligenza Artificiale Generativa.

Anche il team di progetto sarà su questo server Discord per aiutare qualsiasi studente.

Contribuisci

Questo corso è un'iniziativa open-source. Se vedi aree di miglioramento o problemi, crea una Pull Request o registra un problema su GitHub.

Il team di progetto monitorerà tutti i contributi. Contribuire all'open source è un modo straordinario per costruire la tua carriera nell'Intelligenza Artificiale Generativa.

La maggior parte dei contributi richiede di accettare un Accordo di Licenza per i Contributori (CLA) dichiarando che hai il diritto di e effettivamente concedi a noi i diritti di utilizzare il tuo contributo. Per i dettagli, visita il sito web CLA, Accordo di Licenza per i Contributori.

Importante: quando traduci il testo in questo repository, assicurati di non utilizzare la traduzione automatica. Verificheremo le traduzioni tramite la comunità, quindi per favore offriti solo per le traduzioni nelle lingue in cui sei competente.

Quando invii una pull request, un CLA-bot determinerà automaticamente se devi fornire un CLA e decorerà la PR in modo appropriato (ad esempio, etichetta, commento). Segui semplicemente le istruzioni fornite dal bot. Dovrai farlo solo una volta in tutti i repository che utilizzano il nostro CLA.

Questo progetto ha adottato il Codice di Condotta Open Source di Microsoft. Per ulteriori informazioni, leggi le FAQ del Codice di Condotta o contatta Email opencode per qualsiasi domanda o commento aggiuntivo.

Iniziamo

Ora che hai completato i passaggi necessari per completare questo corso, iniziamo con un introduzione all'Intelligenza Artificiale Generativa e LLMs.

Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione AI Co-op Translator. Sebbene ci impegniamo per l'accuratezza, si prega di essere consapevoli che le traduzioni automatizzate possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda la traduzione professionale umana. Non siamo responsabili per eventuali incomprensioni o interpretazioni errate derivanti dall'uso di questa traduzione.