Skip to content

README.md

Latest commit

 

History

History
230 lines (142 loc) · 13.8 KB

README.md

File metadata and controls

230 lines (142 loc) · 13.8 KB

Bu kursa başlamak

Bu kursa başlamanız ve Üretken Yapay Zeka ile neler yaratacağınız konusunda ilham almanızı görmek için çok heyecanlıyız!

Başarınızı sağlamak için, bu sayfa kurulum adımlarını, teknik gereksinimleri ve gerektiğinde nereden yardım alabileceğinizi özetlemektedir.

Kurulum Adımları

Bu kursa başlamanız için aşağıdaki adımları tamamlamanız gerekmektedir.

1. Bu Depoyu Forklayın

Tüm bu depoyu forkladığınız GitHub hesabınıza kodları değiştirebilmek ve görevleri tamamlayabilmek için. Ayrıca, bu depoya 🌟 yıldıza basarak ve ilgili depolara daha kolay erişebilirsiniz.

2. Bir Codespace Oluşturun

Kodu çalıştırırken bağımlılık sorunlarından kaçınmak için bu kursu bir GitHub Codespaces içinde çalıştırmanızı öneririz.

Forkunuzda: Code -> Codespaces -> New on main

Bir codespace oluşturmak için düğmeleri gösteren iletişim kutusu

2.1 Bir gizli anahtar ekleyin

  1. ⚙️ Dişli simgesi -> Komut Paleti -> Codespaces: Kullanıcı gizli anahtarını yönet -> Yeni gizli anahtar ekle.
  2. Ad olarak OPENAI_API_KEY yazın, anahtarınızı yapıştırın, Kaydet.

3. Sonra ne olacak?

Yapmak istiyorum… Gitmek istediğim yer…
Ders 1’e başla 01-introduction-to-genai
Çevrimdışı çalış setup-local.md
Bir LLM Sağlayıcısı Ayarla providers.md
Diğer öğrencilerle tanış Discord’umuza katıl

Sorun Giderme

Belirti Çözüm
Konteyner yapımı 10 dakikadan uzun sürüyorsa Codespaces ➜ “Rebuild Container” (Konteyneri Yeniden İnşa Et)
python: command not found hatası alırsanız Terminal bağlanmamış; + → bash tıklayın
OpenAI’dan 401 Unauthorized hatası alırsanız Yanlış veya süresi dolmuş OPENAI_API_KEY
VS Code “Dev container mounting…” gösteriyorsa Tarayıcı sekmesini yenileyin — Codespaces bazen bağlantıyı kaybedebilir
Notebook çekirdeği eksikse Notebook menüsü ➜ Kernel ▸ Select Kernel ▸ Python 3

Unix tabanlı sistemler:

touch .env

Windows:

echo . > .env

  1. .env Dosyasını Düzenleyin: .env dosyasını bir metin düzenleyicide (ör. VS Code, Notepad++ veya başka bir editör) açın. Dosyaya aşağıdaki satırı ekleyin, your_github_token_here kısmını gerçek GitHub tokenınızla değiştirin:

    GITHUB_TOKEN=your_github_token_here

  2. Dosyayı Kaydedin: Değişiklikleri kaydedin ve metin düzenleyiciyi kapatın.

  3. python-dotenv Paketini Yükleyin: Henüz yüklemediyseniz, .env dosyasındaki ortam değişkenlerini Python uygulamanıza yüklemek için python-dotenv paketini yükleyin. Bunu pip ile yükleyebilirsiniz:

    pip install python-dotenv

  4. Python Kodunuzda Ortam Değişkenlerini Yükleyin: Python scriptinizde .env dosyasından ortam değişkenlerini yüklemek için python-dotenv paketini kullanın:

    from dotenv import load_dotenv
import os

# .env dosyasından ortam değişkenlerini yükle
load_dotenv()

# GITHUB_TOKEN değişkenine eriş
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

İşte bu kadar! Başarıyla bir .env dosyası oluşturdunuz, GitHub tokenınızı eklediniz ve Python uygulamanıza yüklediniz.

Kodunuzu Bilgisayarınızda Yerel Olarak Çalıştırma

Kodunuzu bilgisayarınızda yerel olarak çalıştırmak için Python’un bir sürümünün yüklü olması gerekir.

Depoyu kullanmak için, onu klonlamanız gerekir:

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

Her şeyi hallettikten sonra başlamaya hazırsınız!

İsteğe Bağlı Adımlar

Miniconda Kurulumu

Miniconda, Conda, Python ve bazı paketleri kurmak için hafif bir yükleyicidir. Conda kendisi, farklı Python sanal ortamlarını ve paketleri kurup yönetmeyi kolaylaştıran bir paket yöneticisidir. Ayrıca pip ile bulunmayan paketlerin kurulumu için faydalıdır.

Kurulum için MiniConda kurulum rehberini takip edebilirsiniz.

Miniconda yüklüyse, depoyu klonlayın (henüz yapmadıysanız).

Sonra bir sanal ortam oluşturmanız gerekir. Conda ile bunu yapmak için yeni bir ortam dosyası oluşturun (environment.yml). Codespaces kullanıyorsanız, bunu .devcontainer dizini içinde, yani .devcontainer/environment.yml olarak oluşturun.

Ortam dosyanızı aşağıdaki örnekle doldurun:

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

Conda kullanırken hata alırsanız, Microsoft AI Kütüphanelerini el ile terminalde aşağıdaki komutla yükleyebilirsiniz.

conda install -c microsoft azure-ai-ml

Ortam dosyası ihtiyaç duyulan bağımlılıkları belirler. <environment-name> Conda ortamı için kullanmak istediğiniz isim, <python-version> kullanmak istediğiniz Python sürümüdür, örneğin 3 Python’un en son büyük sürümüdür.

Bununla, aşağıdaki komutları terminalinizde çalıştırarak Conda ortamınızı oluşturabilirsiniz:

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer alt yolu yalnızca Codespace kurulumu için geçerlidir
conda activate ai4beg

Herhangi bir sorun yaşarsanız, Conda ortam rehberine bakabilirsiniz.

Visual Studio Code ve Python destek eklentisini kullanmak

Bu kurs için Visual Studio Code (VS Code) editörü ve Python destek uzantısı kullanmanızı öneririz. Ancak bu bir zorunluluk değil, bir öneridir.

Not: Kurs deposunu VS Code’da açarsanız, projeyi bir konteyner içinde kurmayı seçebilirsiniz. Bunun sebebi, kurs deposunun içinde bulunan özel .devcontainer dizinidir. Buna daha sonra değineceğiz.

Not: Depoyu klonlayıp VS Code’da açtığınızda Python destek uzantısı yüklemenizi otomatik önerir.

Not: VS Code depoyu bir konteyner içinde açmayı önerirse, yerel Python sürümünü kullanmak için bu teklifi reddedin.

Tarayıcıda Jupyter Kullanmak

Proje üzerinde ayrıca tarayıcınız içinde bulunan Jupyter ortamını kullanarak da çalışabilirsiniz. Hem klasik Jupyter hem de Jupyter Hub otomatik tamamlama, kod vurgulama gibi özelliklerle oldukça keyifli bir geliştirme ortamı sunar.

Jupyter’ı yerelde çalıştırmak için terminale gidip kurs dizinine geçtikten sonra şunu çalıştırın:

jupyter notebook

ya da

jupyterhub

Bu, bir Jupyter örneğini başlatır ve erişim URL’si komut satırı penceresinde gösterilir.

URL’ye eriştiğinizde kurs içeriği görünmeli ve herhangi bir *.ipynb dosyasına gidebilmelisiniz. Örneğin, 08-building-search-applications/python/oai-solution.ipynb.

Bir konteynerde çalıştırmak

Her şeyi bilgisayarınızda veya Codespace üzerinde kurmak yerine konteyner kullanabilirsiniz. Kurs deposundaki özel .devcontainer klasörü, VS Code’un projeyi bir konteyner içinde kurmasını sağlar. Codespaces dışında bunu yapmak için Docker kurulumu şarttır ve biraz uğraş gerektirir; bu yüzden konteynerle çalışmaya deneyimli olanlara öneririz.

GitHub Codespaces kullanırken API anahtarlarınızı güvende tutmanın en iyi yollarından biri Codespaces Secrets kullanmaktır. Daha fazla bilgi için Codespaces gizli anahtar yönetimi rehberini takip edin.

Dersler ve Teknik Gereksinimler

Kurs, 6 kavramsal ders ve 6 kodlama dersinden oluşur.

Kodlama dersleri için Azure OpenAI Servisi kullanıyoruz. Bu kodu çalıştırmak için Azure OpenAI servisine erişim ve bir API anahtarı gereklidir. Erişim almak için bu başvuruyu tamamlayarak talepte bulunabilirsiniz.

Başvurunuz işlenirken, her kodlama dersi içinde kodları ve çıktılarını görebileceğiniz bir README.md dosyası da yer alır.

Azure OpenAI Servisini ilk kez kullanıyorsanız

Azure OpenAI servisi ile ilk kez çalışıyorsanız, Azure OpenAI Hizmet Kaynağı oluşturma ve dağıtma rehberini takip edin.

OpenAI API’yi ilk kez kullanıyorsanız

OpenAI API ile ilk kez çalışıyorsanız, Arabirim oluşturma ve kullanma rehberini izleyin.

Diğer Öğrencilerle Tanışın

Resmi AI Community Discord sunucumuzda diğer öğrencilerle tanışmak için kanallar açtık. Bu, ortak düşünen girişimciler, geliştiriciler, öğrenciler ve Üretken Yapay Zeka’da gelişmek isteyen herkesle network kurmak için harika bir fırsat.

Discord kanalına katıl

Proje ekibi de bu Discord sunucusunda öğrencilerin sorularını yanıtlamak için olacak.

Katkıda Bulunmak

Bu ders açık kaynak bir girişimdir. İyileştirme alanları veya sorunlar görürseniz, lütfen Pull Request oluşturun veya bir GitHub sorunu kaydedin.

Proje ekibi tüm katkıları takip edecek. Açık kaynak katkısı, Üretken Yapay Zeka alanında kariyer inşa etmek için harika bir yoldur.

Çoğu katkı için, katkınızı kullanma hakkı verdiğinizi beyan eden bir Katkı Lisansı Anlaşması’na (CLA) uymanız gerekir. Ayrıntılar için CLA, Katkı Lisansı Anlaşması websitesine bakabilirsiniz.

Önemli: Bu depoda metin çevirirken, lütfen makine çevirisi kullanmayın. Topluluk tarafından çeviriler doğrulanacaktır, bu nedenle yalnızca iyi bildiğiniz dillerde çeviri gönüllüsü olun.

Pull request gönderdiğinizde, CLA-bot otomatik olarak CLA gerekip gerekmediğini kontrol edecek ve PR’yı uygun şekilde etiketleyecek (örneğin, etiket, yorum). Botun talimatlarını izleyin. Tüm depolarda CLA uygulaması için bunu yalnızca bir kez yapmanız yeterlidir.

Bu proje Microsoft Açık Kaynak Davranış Kuralları ile uyumludur. Daha fazla bilgi için Davranış Kuralları SSS’yı okuyun veya ek sorularınız için Email opencode ile iletişime geçin.

Haydi Başlayalım

Bu kursu tamamlamak için gereken adımları tamamladığınıza göre, Generatif Yapay Zeka ve LLM'lere giriş ile başlayalım.

Feragatname:
Bu belge, AI çeviri servisi Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayınız. Orijinal belge, kendi dilinde yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi tavsiye edilmektedir. Bu çevirinin kullanımı sonucu ortaya çıkabilecek herhangi bir yanlış anlama veya yorum hatasından sorumlu olmayız.