Skip to content

README.md

Latest commit

 

History

History
233 lines (143 loc) · 13.8 KB

README.md

File metadata and controls

233 lines (143 loc) · 13.8 KB

이 코스 시작하기

생성 AI로 무엇을 만들지 영감을 받고 이 코스를 시작하게 되어 매우 기쁩니다!

성공을 위해 이 페이지는 설정 단계, 기술 요구 사항, 그리고 필요 시 도움을 받을 수 있는 곳을 안내합니다.

설정 단계

이 코스를 시작하기 위해 다음 단계를 완료해야 합니다.

1. 이 저장소 포크하기

이 저장소 전체를 포크하여 GitHub 계정에 복사 후 코드를 변경하고 챌린지를 완료할 수 있습니다. 또한, 이 저장소에 별 (🌟) 표시를 해두면 관련 저장소를 더 쉽게 찾을 수 있습니다.

2. 코드스페이스 만들기

코드를 실행할 때 의존성 문제를 피하기 위해, 이 코스를 GitHub Codespaces에서 실행하는 것을 권장합니다.

포크한 저장소에서: Code -> Codespaces -> New on main

Dialog showing buttons to create a codespace

2.1 비밀 키 추가하기

  1. ⚙️ 톱니바퀴 아이콘 -> Command Pallete-> Codespaces : Manage user secret -> Add a new secret.
  2. 이름에 OPENAI_API_KEY 입력, 키를 붙여넣고 저장.

3. 다음 단계는?

하고 싶은 일 이동할 위치
레슨 1 시작 01-introduction-to-genai
오프라인에서 작업 setup-local.md
LLM 제공자 설정 providers.md
다른 학습자 만나기 우리 Discord 참여하기

문제 해결

증상 해결 방법
컨테이너 빌드가 10분 이상 멈춤 Codespaces ➜ “Rebuild Container”
python: command not found 터미널이 붙지 않았음; + 클릭한 후 bash 선택
OpenAI에서 401 Unauthorized 오류 발생 잘못되었거나 만료된 OPENAI_API_KEY
VS Code에 “Dev container mounting…” 표시 브라우저 탭 새로고침—Codespaces가 가끔 연결을 잃음
노트북 커널 없음 노트북 메뉴 ➜ Kernel ▸ Select Kernel ▸ Python 3

유닉스 기반 시스템:

touch .env

윈도우:

echo . > .env

  1. .env 파일 편집: 텍스트 편집기 (예: VS Code, Notepad++ 또는 기타 편집기)에서 .env 파일을 열고, 다음 줄을 추가하세요. your_github_token_here를 실제 GitHub 토큰으로 바꾸세요:

    GITHUB_TOKEN=your_github_token_here

  2. 파일 저장: 변경 사항을 저장하고 편집기를 닫으세요.

  3. python-dotenv 설치: .env 파일의 환경 변수를 파이썬 애플리케이션에서 불러오기 위해 python-dotenv 패키지를 설치해야 합니다. pip로 설치할 수 있습니다:

    pip install python-dotenv

  4. 파이썬 스크립트에서 환경 변수 불러오기: 파이썬 스크립트에서 python-dotenv 패키지를 사용해 .env 파일의 환경 변수를 불러옵니다:

    from dotenv import load_dotenv
import os

# .env 파일에서 환경 변수 로드
load_dotenv()

# GITHUB_TOKEN 변수에 접근
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

이제 .env 파일을 성공적으로 만들고 GitHub 토큰을 추가했으며 파이썬 애플리케이션에 불러왔습니다.

컴퓨터에서 로컬 실행하는 방법

코드를 로컬 컴퓨터에서 실행하려면 Python이 설치되어 있어야 합니다.

그다음 저장소를 사용하려면 다음 명령어로 클론해야 합니다:

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

모든 준비가 완료되면 시작할 수 있습니다!

선택 사항 단계

Miniconda 설치

Miniconda는 Conda, 파이썬, 몇 가지 패키지를 설치하는 경량 설치 프로그램입니다. Conda는 파이썬 가상 환경과 패키지를 쉽게 설정하고 전환할 수 있게 하는 패키지 관리자입니다. 또한 pip로 설치할 수 없는 패키지 설치에도 유용합니다.

MiniConda 설치 가이드를 따라 설치할 수 있습니다.

Miniconda가 설치되면 저장소를 클론해야 합니다 (아직 하지 않은 경우).

다음으로 가상 환경을 만들어야 합니다. Conda를 사용한다면 새 환경 파일(environment.yml)을 만드세요. Codespaces를 사용한다면 .devcontainer 폴더 내에 .devcontainer/environment.yml로 만듭니다.

환경 파일에 아래 코드를 추가하세요:

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

conda 사용 시 오류가 발생하면, 터미널에서 다음 명령어로 Microsoft AI 라이브러리를 수동 설치할 수 있습니다.

conda install -c microsoft azure-ai-ml

환경 파일은 필요한 종속성을 명시합니다. <environment-name>는 Conda 환경 이름, <python-version>은 사용할 파이썬 버전입니다. 예를 들어 3은 최신 메이저 버전입니다.

이제 아래 명령어로 Conda 환경을 만드세요:

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer 하위 경로는 Codespace 설정에만 적용됩니다
conda activate ai4beg

문제가 발생하면 Conda 환경 가이드를 참고하세요.

Visual Studio Code에서 Python 지원 확장 사용하기

이 코스는 Visual Studio Code (VS Code)와 Python 지원 확장을 사용하는 것을 권장합니다. 이는 권장 사항이지 반드시 필수는 아닙니다.

참고: VS Code에서 이 저장소를 열면 프로젝트를 컨테이너 안에 설정할 수 있습니다. 이유는 코스 저장소 내 특별한 .devcontainer 디렉토리가 있기 때문입니다. 자세한 내용은 나중에 다룹니다.

참고: 저장소를 클론하여 VS Code에서 열면 Python 지원 확장 설치를 자동으로 권장합니다.

참고: VS Code에서 저장소를 컨테이너 내에서 다시 열라는 제안이 나오면, 로컬에 설치된 Python 버전 사용을 위해 이 요청을 거부하세요.

브라우저에서 Jupyter 사용하기

브라우저 내에서 Jupyter 환경을 통해 프로젝트 작업도 가능합니다. 클래식 Jupyter 및 Jupyter Hub는 자동 완성, 코드 하이라이팅 등 편리한 기능을 제공합니다.

로컬에서 Jupyter를 시작하려면 터미널/명령 창을 열고, 코스 디렉토리로 이동한 뒤 다음을 실행하세요:

jupyter notebook

또는

jupyterhub

이 명령을 실행하면 Jupyter 인스턴스가 시작되고, 접근할 수 있는 URL이 화면에 표시됩니다.

URL에 접근하면 코스 개요가 나타나고 *.ipynb 파일들을 탐색할 수 있습니다. 예를 들어 08-building-search-applications/python/oai-solution.ipynb.

컨테이너 안에서 실행하기

컴퓨터나 코드스페이스에 직접 모든 걸 설치하는 대신 컨테이너를 사용하는 방법도 있습니다. 코스 저장소 내 특별한 .devcontainer 폴더는 VS Code가 프로젝트를 컨테이너 내에서 설정하도록 돕습니다. Codespaces가 아닌 경우 Docker 설치가 필요하며, 다소 작업이 복잡할 수 있어 컨테이너 경험이 있는 분께만 권장합니다.

GitHub Codespaces에서 API 키를 안전하게 관리하는 가장 좋은 방법 중 하나는 Codespace Secrets 사용입니다. 자세한 내용은 Codespaces 비밀 관리 가이드를 참고하세요.

레슨 및 기술 요구 사항

이 코스는 개념 레슨 6개와 코딩 레슨 6개로 구성되어 있습니다.

코딩 레슨에서 Azure OpenAI 서비스를 사용합니다. 코드를 실행하려면 Azure OpenAI 서비스 접근 권한과 API 키가 필요합니다. 이 신청서를 작성하여 접근 권한을 받을 수 있습니다.

신청 처리 중인 동안, 모든 코딩 레슨에는 코드를 보고 결과를 확인할 수 있는 README.md 파일도 포함되어 있습니다.

처음 Azure OpenAI 서비스 사용하기

Azure OpenAI 서비스를 처음 사용한다면, Azure OpenAI 서비스 리소스 생성 및 배포 방법 가이드를 따라주세요.

처음 OpenAI API 사용하기

OpenAI API를 처음 사용한다면, 인터페이스 생성 및 사용법에 대한 가이드를 참고하세요.

다른 학습자 만나기

공식 AI 커뮤니티 Discord 서버에 학습자들이 모일 수 있는 채널을 만들었습니다. 같은 관심사를 가진 기업가, 개발자, 학생 등과 네트워킹하기 좋은 장소입니다.

Join discord channel

프로젝트 팀도 이 Discord 서버에서 학습자들을 지원합니다.

기여하기

이 코스는 오픈 소스 프로젝트입니다. 개선점이나 문제를 발견하면 풀 리퀘스트를 만들거나 GitHub 이슈를 남겨주세요.

프로젝트 팀은 모든 기여를 추적합니다. 오픈 소스에 기여하는 것은 생성 AI 분야에서 경력을 쌓는 훌륭한 방법입니다.

대부분의 기여는 권리 보유와 기여 사용 권한을 공식화하는 기여자 라이선스 계약(CLA)을 요구합니다. 자세한 내용은 CLA, 기여자 라이선스 계약 웹사이트를 참고하세요.

중요: 저장소 내 텍스트를 번역할 때는 기계 번역을 사용하지 마세요. 커뮤니티가 번역을 검증하므로, 숙련된 언어에서만 자원봉사로 번역을 해주시기 바랍니다.

풀 리퀘스트 제출 시 CLA 봇이 자동으로 CLA 제출 필요 여부를 판단하고, PR에 라벨이나 코멘트를 달아줍니다. 봇의 안내에 따라 한 번만 처리하면 됩니다.

이 프로젝트는 Microsoft 오픈 소스 행동 강령을 채택했습니다. 자세한 내용은 행동 강령 FAQ를 읽거나 추가 질문/의견이 있으면 Email opencode으로 문의하세요.

시작해봅시다!

이 과정을 완료하는 데 필요한 단계를 마쳤으니, 생성형 AI와 LLM 소개를 통해 시작해 보겠습니다.

면책 조항: 이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있으나, 자동 번역은 오류나 부정확한 내용이 포함될 수 있음을 유의하시기 바랍니다. 원문은 해당 문서의 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우 전문적인 인간 번역을 권장합니다. 본 번역의 사용으로 인해 발생하는 오해나 오해의 소지에 대해 당사는 책임지지 않습니다.