README.md

Começando com este curso

Estamos muito animados para que você inicie este curso e veja o que você se inspira a construir com a IA Generativa!

Para garantir seu sucesso, esta página descreve as etapas de configuração, requisitos técnicos e onde obter ajuda, se necessário.

Etapas de Configuração

Para começar a fazer este curso, você precisará completar as seguintes etapas.

1. Faça um Fork deste Repositório

Fork todo este repositório para sua própria conta do GitHub para poder alterar qualquer código e completar os desafios. Você também pode dar uma estrela (🌟) a este repositório para encontrá-lo e encontrar repositórios relacionados mais facilmente.

2. Crie um Codespace

Para evitar problemas de dependência ao executar o código, recomendamos executar este curso em um GitHub Codespaces.

Isso pode ser criado selecionando a opção Code na sua versão forked deste repositório e selecionando a opção Codespaces.

3. Armazenando Suas Chaves de API

Manter suas chaves de API seguras é importante ao construir qualquer tipo de aplicação. Recomendamos não armazenar nenhuma chave de API diretamente no seu código. Cometer esses detalhes em um repositório público pode resultar em problemas de segurança e até mesmo custos indesejados se usados por um agente malicioso. Aqui está um guia passo a passo sobre como criar um arquivo .env para Python e adicionar o GITHUB_TOKEN:

1. Navegue até o Diretório do Seu Projeto: Abra seu terminal ou prompt de comando e navegue até o diretório raiz do seu projeto onde você deseja criar o arquivo .env.

   cd path/to/your/project

2. Crie o Arquivo .env: Use seu editor de texto preferido para criar um novo arquivo chamado .env. Se você estiver usando a linha de comando, pode usar touch (on Unix-based systems) or echo (no Windows):

   Sistemas baseados em Unix:

   touch .env

   Windows:

   echo . > .env

3. Edite o Arquivo .env: Abra o arquivo .env em um editor de texto (por exemplo, VS Code, Notepad++, ou qualquer outro editor). Adicione a seguinte linha ao arquivo, substituindo your_github_token_here pelo seu token real do GitHub:

   GITHUB_TOKEN=your_github_token_here

4. Salve o Arquivo: Salve as alterações e feche o editor de texto.

5. Instale o pacote python-dotenv: If you haven't already, you'll need to install the python-dotenv para carregar variáveis de ambiente do arquivo .env no seu aplicativo Python. Você pode instalá-lo usando pip:

   pip install python-dotenv

6. Carregue Variáveis de Ambiente no Seu Script Python: No seu script Python, use o pacote python-dotenv para carregar as variáveis de ambiente do arquivo .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)

É isso! Você criou com sucesso um arquivo .env, adicionou seu token do GitHub e o carregou no seu aplicativo Python.

Como Executar Localmente no Seu Computador

Para executar o código localmente no seu computador, você precisará ter alguma versão do Python instalada.

Para então usar o repositório, você precisa cloná-lo:

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

Depois que você tiver tudo pronto, pode começar!

Etapas Opcionais

Instalando o Miniconda

Miniconda é um instalador leve para instalar o Conda, Python, bem como alguns pacotes. O Conda em si é um gerenciador de pacotes, que facilita a configuração e troca entre diferentes ambientes virtuais e pacotes do Python. Ele também é útil para instalar pacotes que não estão disponíveis 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.

Vá em frente e preencha seu arquivo de ambiente com o trecho abaixo:

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

Se você encontrar erros usando o conda, pode instalar manualmente as Bibliotecas de IA da Microsoft usando o seguinte comando em um terminal.

conda install -c microsoft azure-ai-ml

O arquivo de ambiente especifica as dependências que precisamos. <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 é a versão principal mais recente do Python.

Com isso feito, você pode ir em frente e criar seu ambiente Conda executando os comandos abaixo na sua linha de comando/terminal

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

Consulte o guia de ambientes Conda se encontrar algum problema.

Usando o Visual Studio Code com a extensão de suporte ao Python

Recomendamos usar o editor Visual Studio Code (VS Code) com a extensão de suporte ao Python instalada para este curso. No entanto, isso é mais uma recomendação e não um requisito definitivo.

Nota: Ao abrir o repositório do curso no VS Code, você tem a opção de configurar o projeto dentro de um contêiner. Isso se deve ao diretório especial .devcontainer encontrado dentro do repositório do curso. Mais sobre isso depois.

Nota: Assim que você clonar e abrir o diretório no VS Code, ele sugerirá automaticamente que você instale uma extensão de suporte ao Python.

Nota: Se o VS Code sugerir que você reabra o repositório em um contêiner, recuse essa solicitação para usar a versão do Python instalada localmente.

Usando o Jupyter no Navegador

Você também pode trabalhar no projeto usando o ambiente Jupyter diretamente no seu navegador. Tanto o Jupyter clássico quanto o Jupyter Hub oferecem um ambiente de desenvolvimento bastante agradável com recursos como autocompletar, destaque de código, etc.

Para iniciar o Jupyter localmente, vá até o terminal/linha de comando, navegue até o diretório do curso e execute:

jupyter notebook

ou

jupyterhub

Isso iniciará uma instância do Jupyter e a URL para acessá-la será exibida na janela da linha de comando.

Uma vez que você acessar a URL, você deverá ver o resumo do curso e poderá navegar para qualquer arquivo *.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 onde poderá ver o código e os resultados.

Usando o Serviço Azure OpenAI pela primeira vez

Se esta é a sua primeira vez trabalhando com o serviço Azure OpenAI, siga este guia sobre como criar e implantar um recurso de Serviço Azure OpenAI.

Usando a API OpenAI pela primeira vez

Se esta é a sua primeira vez trabalhando com a API OpenAI, siga o guia sobre como criar e usar a Interface.

Conheça Outros Aprendizes

Criamos canais no nosso servidor oficial do Discord da Comunidade de IA para encontrar outros aprendizes. Esta é uma ótima maneira de fazer networking com outros empreendedores, construtores, estudantes e qualquer pessoa que deseja se aprimorar em IA Generativa.

A equipe do projeto também estará neste servidor do Discord para ajudar qualquer aprendiz.

Contribua

Este curso é uma iniciativa de código aberto. Se você ver áreas para melhoria ou problemas, por favor, crie um Pull Request ou registre um problema no GitHub.

A equipe do projeto estará acompanhando todas as contribuições. Contribuir para o código aberto é uma maneira incrível de construir sua carreira em IA Generativa.

A maioria das contribuições requer que você concorde com um Acordo de Licença de Contribuidor (CLA) declarando que você tem o direito de, e de fato concede-nos os direitos de usar sua contribuição. Para mais detalhes, visite o site do CLA, Acordo de Licença de Contribuidor.

Importante: ao traduzir texto neste repositório, por favor, certifique-se de não usar tradução automática. Verificaremos as traduções através da comunidade, então, por favor, só se ofereça para traduções em idiomas nos quais você é proficiente.

Quando você enviar um pull request, um CLA-bot determinará automaticamente se você precisa fornecer um CLA e decorará o PR de forma apropriada (por exemplo, rótulo, comentário). Basta seguir as instruções fornecidas pelo bot. Você só precisará fazer isso uma vez em todos os repositórios que usam nosso CLA.

Este projeto adotou o Código de Conduta de Código Aberto da Microsoft. Para mais informações, leia as Perguntas Frequentes sobre o Código de Conduta ou entre em contato com Email opencode com quaisquer perguntas ou comentários adicionais.

Vamos Começar

Agora que você completou as etapas necessárias para concluir este curso, vamos começar com uma introdução à IA Generativa e LLMs.

Aviso Legal:
Este documento foi traduzido usando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autorizada. Para informações críticas, recomenda-se tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.