このコースを始めて、ジェネレーティブAIで何を作りたいかに触発されるのを私たちはとても楽しみにしています！
成功を確実にするために、このページではセットアップ手順、技術的要件、および必要に応じてサポートを受ける方法を説明します。
このコースを開始するには、次の手順を完了する必要があります。
このリポジトリ全体をフォークして、ご自身のGitHubアカウントにコピーしてください。コードを変更したりチャレンジを完了したりするために必要です。また、このリポジトリにスター（🌟）を付けると、関連リポジトリを見つけやすくなります。
コードの依存関係の問題を避けるため、このコースはGitHub Codespacesで実行することを推奨します。
フォークしたリポジトリで：Code -> Codespaces -> New on main
- ⚙️ 歯車アイコン -> コマンドパレット -> Codespaces : Manage user secret -> 新しいシークレットを追加。
- 名前にOPENAI_API_KEYを入力し、キーを貼り付けて保存。
| やりたいこと | 移動先 |
|---|---|
| レッスン1を始める | 01-introduction-to-genai |
| オフラインで作業する | setup-local.md |
| LLMプロバイダーを設定する | providers.md |
| 他の学習者に会う | Discordに参加 |
| 症状 | 対処法 |
|---|---|
| コンテナのビルドが10分以上停止している | Codespaces ➜ 「Rebuild Container」 を選択 |
python: command not found が表示される |
ターミナルが接続されていないため、+ をクリックし bash を選択 |
OpenAIから 401 Unauthorized が返される |
OPENAI_API_KEY が間違っているか、期限切れ |
| VS Codeで「Dev container mounting…」と表示 | ブラウザのタブを更新。Codespacesが接続を失うことがある |
| ノートブックのカーネルが存在しない | ノートブック メニュー ➜ Kernel ▸ Select Kernel ▸ Python 3 を選択 |
Unix系システム:
touch .envWindows:
echo . > .env-
.envファイルを編集: テキストエディタ（例：VS Code、Notepad++、その他）で.envファイルを開きます。your_github_token_hereを実際のGitHubトークンに置き換えて、次の行を追加します:GITHUB_TOKEN=your_github_token_here
-
ファイルを保存: 変更を保存し、テキストエディタを閉じます。
-
python-dotenvをインストール: まだの場合は、python-dotenvパッケージをインストールしてください。これは.envファイルから環境変数をPythonアプリケーションに読み込むために必要です。pipでインストールできます:pip install python-dotenv
-
Pythonスクリプトで環境変数を読み込む: Pythonスクリプト内で
python-dotenvパッケージを使用し、.envファイルから環境変数を読み込みます:from dotenv import load_dotenv import os # .envファイルから環境変数を読み込む load_dotenv() # GITHUB_TOKEN変数にアクセスする github_token = os.getenv("GITHUB_TOKEN") print(github_token)
これで完了です！.env ファイルの作成、GitHubトークンの追加、およびPythonアプリでの読み込みが成功しました。
コンピューターでコードをローカルに実行するには、Pythonのいずれかのバージョンがインストールされている必要があります。
その後、リポジトリをクローンしてください。
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginnersすべて準備できたら、さっそく始めましょう！
Minicondaは、Conda、Python、およびいくつかのパッケージをインストールするための軽量インストーラーです。
Condaはパッケージマネージャーで、複数のPythonの仮想環境やパッケージの設定や切り替えを簡単に行えます。pip で入手できないパッケージのインストールにも便利です。
Minicondaインストールガイドに従いセットアップしてください。
Minicondaをインストールしたら、まだならリポジトリをクローンします。
次に仮想環境を作成します。Condaを使う場合は環境ファイル（environment.yml）を作成します。Codespacesを使う場合は .devcontainer ディレクトリ内に作成し、パスは .devcontainer/environment.yml となります。
環境ファイルを以下のスニペットで埋めてください：
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-mlもしcondaでエラーが発生する場合は、以下のコマンドをターミナルで使ってMicrosoft AIライブラリを手動でインストールできます。
conda install -c microsoft azure-ai-ml
環境ファイルは必要な依存関係を指定します。 <environment-name> は作成したいConda環境名で、<python-version> は使用したいPythonのバージョン（例：最新のメジャーバージョン3）です。
これを終えたら、以下のコマンドでConda環境を作成します。
conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer のサブパスは Codespace の設定にのみ適用されます
conda activate ai4beg問題がある場合は、Conda環境のガイドを参照してください。
このコースでは、Visual Studio Code (VS Code) エディターと Pythonサポート拡張 の利用を推奨しています。ただし必須ではありません。
注意: コースリポジトリをVS Codeで開くと、プロジェクトをコンテナ内にセットアップするオプションがあります。これは、コースリポジトリ内の特別な
.devcontainerディレクトリによるものです。詳細は後述します。
注意: リポジトリをクローンしVS Codeで開くと、自動的にPythonサポート拡張機能のインストールを提案されます。
注意: VS Codeでリポジトリのコンテナでの再オープンを提案された場合は、ローカルのPythonを使うため拒否してください。
ブラウザ上で Jupyter環境 を利用することも可能です。クラシックJupyterも Jupyter Hubも、自動補完やコードハイライトなど使いやすい開発環境を提供します。
ローカルでJupyterを起動するには、ターミナル／コマンドラインでコースディレクトリに移動して次のコマンドを実行：
jupyter notebookまたは
jupyterhubこのコマンドでJupyterが起動し、アクセスURLが表示されます。
URLにアクセスするとコースのアウトラインが表示され、任意の *.ipynb ファイルに移動できます。例：08-building-search-applications/python/oai-solution.ipynb。
コンピューターやCodespaceでのセットアップの代わりにコンテナを使うこともできます。
コースリポジトリ内の特別な .devcontainer フォルダーを使い、VS Codeでプロジェクトをコンテナ内にセットアップ可能です。Codespaces外ではDockerのインストールが必要で多少の作業が発生するため、コンテナ作業経験者にのみ推奨します。
GitHub CodespacesでAPIキーを安全に管理する最善の方法の1つはCodespace Secretsの利用です。詳しくはCodespaces secret管理ガイドをご覧ください。
コースには6つのコンセプトレッスンと6つのコーディングレッスンがあります。
コーディングレッスンではAzure OpenAI Serviceを使用します。サービスの利用とAPIキーが必要です。アクセスにはこの申請を提出してください。
申請結果を待つ間は、各コーディングレッスンに含まれる README.md でコードと出力を確認できます。
Azure OpenAI Serviceを初めて使う場合は、以下のガイドに従ってサービスリソースの作成とデプロイを行ってください。
OpenAI APIを初めて使う場合は、作成と使用方法についてのガイドを参照してください。Interfaceの作成と利用
公式のAIコミュニティDiscordサーバーにて、他の学習者と交流できるチャンネルを作成しました。同じ志を持つ起業家やビルダー、学生、そしてジェネレーティブAIをレベルアップしたい方々とネットワークを築く素晴らしい機会です。
プロジェクトチームもこのDiscordサーバーで学習者をサポートします。
このコースはオープンソースの取り組みです。改善点や問題を見つけたら、プルリクエストを作成するか、GitHubのIssueを報告してください。
プロジェクトチームはすべての貢献を追跡しています。オープンソースに貢献することは、ジェネレーティブAIのキャリアを築く素晴らしい方法です。
ほとんどの貢献は、あなたが寄稿物を使用権として当社に許諾する権利を持ち、実際に許諾していることを宣言するコントリビューターライセンス契約（CLA）への同意が必要です。詳細はCLA、コントリビューターライセンス契約のウェブサイトをご覧ください。
重要：このリポジトリのテキストを翻訳するときは、機械翻訳を使わないでください。コミュニティにより翻訳内容を検証するため、母語が堪能な言語の翻訳者のみボランティアしてください。
プルリクエストを送ると、CLAボットが自動的にCLAの提供が必要か判断し、ラベルやコメントをつけます。指示に従ってください。この操作はすべてのリポジトリで一度だけ行えば十分です。
このプロジェクトはMicrosoftのオープンソース行動規範を採用しています。詳細は行動規範のFAQを読んでください。追加の質問やコメントはEmail opencodeへご連絡ください。
このコースを完了するために必要なステップを終えたので、まずは生成AIと大規模言語モデル（LLM）の紹介から始めましょう。
免責事項：
本書類はAI翻訳サービス「Co-op Translator」（https://github.com/Azure/co-op-translator）を使用して翻訳されています。正確性には努めておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があります。原文はその言語における正式な版としてご参照ください。重要な情報については、専門の翻訳者による翻訳を推奨いたします。本翻訳の利用により生じたいかなる誤解や誤訳に対しても、一切の責任を負いかねます。