21 Lektionen, die alles lehren, was Sie wissen müssen, um mit dem Aufbau von Generative KI-Anwendungen zu beginnen
Arabisch | Bengalisch | Bulgarisch | Burmesisch (Myanmar) | Chinesisch (Vereinfacht) | Chinesisch (Traditionell, Hongkong) | Chinesisch (Traditionell, Macau) | Chinesisch (Traditionell, Taiwan) | Kroatisch | Tschechisch | Dänisch | Niederländisch | Estnisch | Finnisch | Französisch | Deutsch | Griechisch | Hebräisch | Hindi | Ungarisch | Indonesisch | Italienisch | Japanisch | Koreanisch | Litauisch | Malaiisch | Marathi | Nepalesisch | Norwegisch | Persisch (Farsi) | Polnisch | Portugiesisch (Brasilien) | Portugiesisch (Portugal) | Punjabi (Gurmukhi) | Rumänisch | Russisch | Serbisch (Kyrillisch) | Slowakisch | Slowenisch | Spanisch | Swahili | Schwedisch | Tagalog (Filipino) | Tamil | Thai | Türkisch | Ukrainisch | Urdu | Vietnamesisch
Lernen Sie die Grundlagen des Aufbaus von Generative KI-Anwendungen mit unserem umfassenden 21-Lektionen-Kurs von Microsoft Cloud Advocates.
Dieser Kurs umfasst 21 Lektionen. Jede Lektion behandelt ein eigenes Thema, sodass Sie überall beginnen können!
Die Lektionen sind entweder als "Learn"-Lektionen gekennzeichnet, die ein Konzept der Generative KI erklären, oder als "Build"-Lektionen, die ein Konzept sowie Codebeispiele in Python und TypeScript (wenn möglich) erläutern.
Für .NET-Entwickler: Schauen Sie sich Generative AI für Anfänger (.NET Edition) an!
Jede Lektion enthält auch einen Abschnitt "Weiterlernen" mit zusätzlichen Lernwerkzeugen.
-
Azure OpenAI Service - Lektionen: "aoai-assignment"
-
GitHub Marketplace Model Catalog - Lektionen: "githubmodels"
-
OpenAI API - Lektionen: "oai-assignment"
-
Grundkenntnisse in Python oder TypeScript sind hilfreich - *Für absolute Anfänger empfehlen wir diese Python und TypeScript Kurse
-
Ein GitHub-Konto, um dieses gesamte Repository zu forken und in Ihrem eigenen GitHub-Konto zu speichern
Wir haben eine Kurs-Einrichtungslektion erstellt, um Ihnen bei der Einrichtung Ihrer Entwicklungsumgebung zu helfen.
Vergessen Sie nicht, dieses Repository zu favorisieren (🌟), um es später leichter zu finden.
Wenn Sie nach fortgeschritteneren Codebeispielen suchen, schauen Sie sich unsere Sammlung von Generative KI-Codebeispielen in Python und TypeScript an.
Treten Sie unserem offiziellen Azure AI Foundry Discord-Server bei, um andere Lernende kennenzulernen, die diesen Kurs absolvieren, und Unterstützung zu erhalten.
Stellen Sie Fragen oder teilen Sie Produktfeedback in unserem Azure AI Foundry Developer Forum auf Github.
Besuchen Sie Microsoft for Startups, um herauszufinden, wie Sie mit Azure-Guthaben heute starten können.
Haben Sie Vorschläge oder Fehler in Rechtschreibung oder Code gefunden? Erstellen Sie ein Problem oder Erstellen Sie eine Pull-Anfrage
- Eine kurze Videoeinführung zum Thema
- Eine schriftliche Lektion im README
- Python- und TypeScript-Codebeispiele, die Azure OpenAI und OpenAI API unterstützen
- Links zu zusätzlichen Ressourcen, um Ihr Lernen fortzusetzen
| # | Link zur Lektion | Beschreibung | Video | Zusätzliches Lernen |
|---|---|---|---|---|
| 00 | Kurs-Einrichtung | Lernen: Wie Sie Ihre Entwicklungsumgebung einrichten | Video kommt bald | Mehr erfahren |
| 01 | Einführung in Generative KI und LLMs | Lernen: Verstehen, was Generative KI ist und wie Large Language Models (LLMs) funktionieren | Video | Mehr erfahren |
| 02 | Untersuchung und Vergleich verschiedener LLMs | Lernen: Wie man das richtige Modell für seinen Anwendungsfall auswählt | Video | Mehr erfahren |
| 03 | Generative KI verantwortungsvoll nutzen | Lernen: Wie man Generative KI-Anwendungen verantwortungsvoll entwickelt | Video | Mehr erfahren |
| 04 | Grundlagen des Prompt Engineerings verstehen | Lernen: Praktische Best Practices für Prompt Engineering | Video | Mehr erfahren |
| 05 | Erstellung fortgeschrittener Prompts | Lernen: Wie man Techniken des Prompt Engineerings anwendet, um die Ergebnisse zu verbessern | Video | Mehr erfahren |
| 06 | Textgenerierungsanwendungen erstellen | Erstellen: Eine Textgenerierungsanwendung mit Azure OpenAI / OpenAI API | Video | Mehr erfahren |
| 07 | Chat-Anwendungen erstellen | Erstellen: Techniken für effizientes Erstellen und Integrieren von Chat-Anwendungen. | Video | Mehr erfahren |
| 08 | Suchanwendungen mit Vektordatenbanken erstellen | Erstellen: Eine Suchanwendung, die Embeddings zur Datensuche verwendet. | Video | Mehr erfahren |
| 09 | Bildgenerierungsanwendungen erstellen | Erstellen: Eine Bildgenerierungsanwendung | Video | Mehr erfahren |
| 10 | Low-Code KI-Anwendungen erstellen | Erstellen: Eine generative KI-Anwendung mit Low-Code-Tools | Video | Mehr erfahren |
| 11 | Externe Anwendungen mit Funktionsaufrufen integrieren | Erstellen: Was Funktionsaufrufe sind und ihre Anwendungsfälle für Anwendungen | Video | Mehr erfahren |
| 12 | UX für KI-Anwendungen gestalten | Lernen: Wie man UX-Designprinzipien bei der Entwicklung generativer KI-Anwendungen anwendet | Video | Mehr erfahren |
| 13 | Ihre generativen KI-Anwendungen sichern | Lernen: Die Bedrohungen und Risiken für KI-Systeme und Methoden, um diese Systeme zu sichern. | Video | Mehr erfahren |
| 14 | Der Lebenszyklus generativer KI-Anwendungen | Lernen: Die Werkzeuge und Metriken zur Verwaltung des LLM-Lebenszyklus und LLMOps | Video | Mehr erfahren |
| 15 | Retrieval Augmented Generation (RAG) und Vektordatenbanken | Erstellen: Eine Anwendung mit einem RAG-Framework, um Embeddings aus Vektordatenbanken abzurufen | Video | Mehr erfahren |
| 16 | Open-Source-Modelle und Hugging Face | Erstellen: Eine Anwendung mit Open-Source-Modellen, die auf Hugging Face verfügbar sind | Video | Mehr erfahren |
| 17 | KI-Agenten | Erstellen: Eine Anwendung mit einem KI-Agenten-Framework | Video | Mehr erfahren |
| 18 | LLMs feinabstimmen | Lernen: Das Was, Warum und Wie der Feinabstimmung von LLMs | Video | Mehr erfahren |
| 19 | Arbeiten mit SLMs | Lernen: Die Vorteile der Arbeit mit Small Language Models | Video kommt bald | Mehr erfahren |
| 20 | Arbeiten mit Mistral-Modellen | Lernen: Die Eigenschaften und Unterschiede der Mistral-Familienmodelle | Video kommt bald | Mehr erfahren |
| 21 | Arbeiten mit Meta-Modellen | Lernen: Die Eigenschaften und Unterschiede der Meta-Familienmodelle | Video kommt bald | Mehr erfahren |
Besonderer Dank an John Aziz für die Erstellung aller GitHub-Aktionen und Workflows.
Bernhard Merkle für seine wesentlichen Beiträge zu jeder Lektion, um das Lernerlebnis und die Code-Erfahrung zu verbessern.
Unser Team produziert weitere Kurse! Schauen Sie sich an:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Falls du nicht weiterkommst oder Fragen zum Erstellen von KI-Anwendungen hast, tritt bei:
Falls du Produktfeedback geben möchtest oder auf Fehler beim Erstellen stößt, besuche:
Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.