Skip to content

README.md

Latest commit

 

History

History
238 lines (150 loc) · 23 KB

README.md

File metadata and controls

238 lines (150 loc) · 23 KB

เริ่มต้นกับคอร์สนี้

เรารู้สึกตื่นเต้นมากที่คุณจะเริ่มต้นคอร์สนี้ และได้เห็นสิ่งที่คุณจะสร้างสรรค์ด้วย Generative AI!

เพื่อให้คุณประสบความสำเร็จ หน้านี้จะอธิบายขั้นตอนการตั้งค่า ข้อกำหนดทางเทคนิค และแหล่งข้อมูลที่คุณสามารถขอความช่วยเหลือได้หากจำเป็น

ขั้นตอนการตั้งค่า

เพื่อเริ่มต้นคอร์สนี้ คุณจำเป็นต้องทำตามขั้นตอนต่อไปนี้

1. Fork Repo นี้

Fork Repo ทั้งหมดนี้ ไปยังบัญชี GitHub ของคุณเอง เพื่อให้คุณสามารถแก้ไขโค้ดและทำแบบฝึกหัดได้ นอกจากนี้คุณยังสามารถ star (🌟) Repo นี้ เพื่อค้นหา Repo นี้และ Repo ที่เกี่ยวข้องได้ง่ายขึ้น

2. สร้าง Codespace

เพื่อหลีกเลี่ยงปัญหาเกี่ยวกับ Dependency เมื่อรันโค้ด เราแนะนำให้คุณรันคอร์สนี้ใน GitHub Codespaces

ใน Fork ของคุณ: Code -> Codespaces -> New on main

หน้าต่างแสดงปุ่มสำหรับสร้าง Codespace

2.1 เพิ่ม Secret

  1. ⚙️ ไอคอนรูปเฟือง -> Command Pallete -> Codespaces : Manage user secret -> Add a new secret
  2. ตั้งชื่อ OPENAI_API_KEY วางคีย์ของคุณ แล้วกด Save

3. ทำอะไรต่อ?

ฉันต้องการ… ไปที่…
เริ่มบทเรียนที่ 1 01-introduction-to-genai
ทำงานแบบออฟไลน์ setup-local.md
ตั้งค่าผู้ให้บริการ LLM providers.md
พบปะผู้เรียนคนอื่น เข้าร่วม Discord ของเรา

การแก้ไขปัญหา

อาการ วิธีแก้ไข
การสร้าง Container ใช้เวลานานเกิน 10 นาที Codespaces ➜ “Rebuild Container”
python: command not found Terminal ไม่ได้เชื่อมต่อ; คลิก + ➜ bash
401 Unauthorized จาก OpenAI OPENAI_API_KEY ผิดหรือหมดอายุ
VS Code แสดง “Dev container mounting…” รีเฟรชแท็บเบราว์เซอร์—บางครั้ง Codespaces อาจหลุดการเชื่อมต่อ
Kernel ของ Notebook หายไป เมนู Notebook ➜ Kernel ▸ Select Kernel ▸ Python 3

ระบบ Unix-based:

touch .env

Windows:

echo . > .env

  1. แก้ไขไฟล์ .env: เปิดไฟล์ .env ในโปรแกรมแก้ไขข้อความ (เช่น VS Code, Notepad++ หรือโปรแกรมอื่น ๆ) เพิ่มบรรทัดต่อไปนี้ในไฟล์ โดยแทนที่ your_github_token_here ด้วย GitHub token ของคุณ:

    GITHUB_TOKEN=your_github_token_here

  2. บันทึกไฟล์: บันทึกการเปลี่ยนแปลงและปิดโปรแกรมแก้ไขข้อความ

  3. ติดตั้ง python-dotenv: หากคุณยังไม่ได้ติดตั้ง คุณจำเป็นต้องติดตั้งแพ็กเกจ python-dotenv เพื่อโหลดตัวแปรสภาพแวดล้อมจากไฟล์ .env ไปยังแอปพลิเคชัน Python ของคุณ คุณสามารถติดตั้งได้โดยใช้ pip:

    pip install python-dotenv

  4. โหลดตัวแปรสภาพแวดล้อมในสคริปต์ Python ของคุณ: ในสคริปต์ Python ของคุณ ใช้แพ็กเกจ python-dotenv เพื่อโหลดตัวแปรสภาพแวดล้อมจากไฟล์ .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)

แค่นี้เอง! คุณได้สร้างไฟล์ .env เพิ่ม GitHub token ของคุณ และโหลดมันเข้าสู่แอปพลิเคชัน Python ของคุณเรียบร้อยแล้ว

วิธีรันโค้ดในเครื่องของคุณ

เพื่อรันโค้ดในเครื่องของคุณ คุณจำเป็นต้องมี Python เวอร์ชันใดก็ได้ติดตั้ง

จากนั้นเพื่อใช้งาน Repository คุณต้อง Clone มัน:

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

เมื่อคุณตรวจสอบทุกอย่างแล้ว คุณก็สามารถเริ่มต้นได้เลย!

ขั้นตอนเพิ่มเติม

การติดตั้ง Miniconda

Miniconda เป็นตัวติดตั้งน้ำหนักเบาสำหรับการติดตั้ง Conda, Python และแพ็กเกจบางตัว
Conda เองเป็นตัวจัดการแพ็กเกจที่ทำให้การตั้งค่าและการสลับระหว่าง virtual environments และแพ็กเกจต่าง ๆ เป็นเรื่องง่าย นอกจากนี้ยังมีประโยชน์สำหรับการติดตั้งแพ็กเกจที่ไม่สามารถใช้ได้ผ่าน pip

คุณสามารถทำตาม คู่มือการติดตั้ง MiniConda เพื่อเริ่มต้นใช้งาน

เมื่อคุณติดตั้ง Miniconda แล้ว คุณต้อง Clone Repository (หากคุณยังไม่ได้ทำ)

ต่อไป คุณต้องสร้าง Virtual Environment เพื่อทำสิ่งนี้ด้วย Conda ให้สร้างไฟล์ Environment ใหม่ (environment.yml) หากคุณกำลังทำตามใน Codespaces ให้สร้างไฟล์นี้ในไดเรกทอรี .devcontainer ดังนั้น .devcontainer/environment.yml

ไปที่ไฟล์ Environment ของคุณและเพิ่มโค้ดด้านล่าง:

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

หากคุณพบข้อผิดพลาดในการใช้ Conda คุณสามารถติดตั้ง Microsoft AI Libraries ด้วยคำสั่งต่อไปนี้ใน Terminal:

conda install -c microsoft azure-ai-ml

ไฟล์ Environment ระบุ Dependencies ที่เราต้องการ <environment-name> หมายถึงชื่อที่คุณต้องการใช้สำหรับ Conda Environment และ <python-version> คือเวอร์ชันของ Python ที่คุณต้องการใช้ เช่น 3 ซึ่งเป็นเวอร์ชันหลักล่าสุดของ Python

เมื่อเสร็จแล้ว คุณสามารถสร้าง Conda Environment ของคุณได้โดยรันคำสั่งด้านล่างใน Command Line/Terminal

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

ดู คู่มือ Conda environments หากคุณพบปัญหา

การใช้ Visual Studio Code กับส่วนขยาย Python

เราแนะนำให้ใช้ Visual Studio Code (VS Code) พร้อมกับ ส่วนขยาย Python สำหรับคอร์สนี้ อย่างไรก็ตาม นี่เป็นเพียงคำแนะนำ ไม่ใช่ข้อบังคับ

หมายเหตุ: โดยการเปิด Repository คอร์สใน VS Code คุณมีตัวเลือกในการตั้งค่าโปรเจกต์ใน Container เนื่องจาก ไดเรกทอรี .devcontainer พิเศษ ที่อยู่ใน Repository คอร์สนี้ รายละเอียดเพิ่มเติมจะกล่าวถึงในภายหลัง

หมายเหตุ: เมื่อคุณ Clone และเปิดไดเรกทอรีใน VS Code มันจะเสนอให้คุณติดตั้งส่วนขยาย Python โดยอัตโนมัติ

หมายเหตุ: หาก VS Code แนะนำให้คุณเปิด Repository ใน Container ให้ปฏิเสธคำขอนี้เพื่อใช้ Python เวอร์ชันที่ติดตั้งในเครื่อง

การใช้ Jupyter ในเบราว์เซอร์

คุณสามารถทำงานในโปรเจกต์โดยใช้ Jupyter environment ในเบราว์เซอร์ของคุณได้เช่นกัน ทั้ง Jupyter แบบคลาสสิกและ Jupyter Hub มอบประสบการณ์การพัฒนาที่ดีพร้อมฟีเจอร์ เช่น การเติมคำอัตโนมัติ การไฮไลต์โค้ด เป็นต้น

เพื่อเริ่มต้น Jupyter ในเครื่อง ให้ไปที่ Terminal/Command Line ไปยังไดเรกทอรีคอร์ส และรันคำสั่ง:

jupyter notebook

หรือ

jupyterhub

นี่จะเริ่มต้น Jupyter และ URL สำหรับการเข้าถึงจะปรากฏในหน้าต่าง Command Line

เมื่อคุณเข้าถึง URL คุณจะเห็นโครงร่างคอร์สและสามารถไปยังไฟล์ *.ipynb ใดก็ได้ เช่น 08-building-search-applications/python/oai-solution.ipynb

การรันใน Container

อีกทางเลือกหนึ่งในการตั้งค่าทุกอย่างในเครื่องของคุณหรือ Codespace คือการใช้ Container ไดเรกทอรี .devcontainer พิเศษใน Repository คอร์สทำให้ VS Code สามารถตั้งค่าโปรเจกต์ใน Container ได้ นอกเหนือจาก Codespaces สิ่งนี้จะต้องติดตั้ง Docker และค่อนข้างซับซ้อน ดังนั้นเราขอแนะนำเฉพาะผู้ที่มีประสบการณ์ในการทำงานกับ Container

หนึ่งในวิธีที่ดีที่สุดในการรักษาความปลอดภัย API Key ของคุณเมื่อใช้ GitHub Codespaces คือการใช้ Codespace Secrets โปรดทำตาม คู่มือการจัดการ Secrets ใน Codespaces เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับเรื่องนี้

บทเรียนและข้อกำหนดทางเทคนิค

คอร์สนี้มีบทเรียนแนวคิด 6 บท และบทเรียนการเขียนโค้ด 6 บท

สำหรับบทเรียนการเขียนโค้ด เราใช้บริการ Azure OpenAI Service คุณจะต้องเข้าถึงบริการ Azure OpenAI และมี API Key เพื่อรันโค้ดนี้ คุณสามารถสมัครเพื่อขอเข้าถึงได้โดย กรอกแบบฟอร์มนี้

ในขณะที่คุณรอการอนุมัติการสมัคร แต่ละบทเรียนการเขียนโค้ดยังมีไฟล์ README.md ที่คุณสามารถดูโค้ดและผลลัพธ์ได้

การใช้บริการ Azure OpenAI เป็นครั้งแรก

หากนี่เป็นครั้งแรกที่คุณทำงานกับบริการ Azure OpenAI โปรดทำตามคู่มือเกี่ยวกับวิธี สร้างและปรับใช้ทรัพยากรบริการ Azure OpenAI

การใช้ OpenAI API เป็นครั้งแรก

หากนี่เป็นครั้งแรกที่คุณทำงานกับ OpenAI API โปรดทำตามคู่มือเกี่ยวกับวิธี สร้างและใช้ Interface

พบปะผู้เรียนคนอื่น

เราได้สร้างช่องทางใน เซิร์ฟเวอร์ Discord ชุมชน AI อย่างเป็นทางการ เพื่อให้คุณได้พบปะกับผู้เรียนคนอื่น ๆ นี่เป็นวิธีที่ดีในการสร้างเครือข่ายกับผู้ประกอบการ ผู้สร้าง นักเรียน และผู้ที่ต้องการพัฒนาทักษะใน Generative AI

เข้าร่วมช่อง Discord

ทีมโปรเจกต์จะอยู่ในเซิร์ฟเวอร์ Discord นี้เพื่อช่วยเหลือผู้เรียนทุกคน

การมีส่วนร่วม

คอร์สนี้เป็นโครงการโอเพ่นซอร์ส หากคุณเห็นจุดที่สามารถปรับปรุงหรือพบปัญหา โปรดสร้าง Pull Request หรือบันทึก GitHub issue

ทีมโปรเจกต์จะติดตามการมีส่วนร่วมทั้งหมด การมีส่วนร่วมในโอเพ่นซอร์สเป็นวิธีที่ยอดเยี่ยมในการสร้างอาชีพใน Generative AI

การมีส่วนร่วมส่วนใหญ่ต้องการให้คุณยอมรับ Contributor License Agreement (CLA) ซึ่งระบุว่าคุณมีสิทธิ์และให้สิทธิ์เราในการใช้การมีส่วนร่วมของคุณ สำหรับรายละเอียดเพิ่มเติม โปรดเยี่ยมชม เว็บไซต์ CLA, Contributor License Agreement

สำคัญ: เมื่อแปลข้อความใน Repo นี้ โปรดตรวจสอบให้แน่ใจว่าคุณไม่ได้ใช้การแปลด้วยเครื่อง เราจะตรวจสอบการแปลผ่านชุมชน ดังนั้นโปรดอาสาแปลเฉพาะในภาษาที่คุณมีความชำนาญ

เมื่อคุณส่ง Pull Request CLA-bot จะตรวจสอบโดยอัตโนมัติว่าคุณจำเป็นต้องให้ CLA หรือไม่ และจะตกแต่ง PR ตามความเหมาะสม (เช่น เพิ่มป้ายกำกับหรือความคิดเห็น) เพียงทำตามคำแนะนำที่บอทให้ คุณจะต้องทำสิ่งนี้เพียงครั้งเดียวสำหรับทุก Repository ที่ใช้ CLA ของเรา

โครงการนี้ได้นำ Microsoft Open Source Code of Conduct มาใช้ สำหรับข้อมูลเพิ่มเติม โปรดอ่าน Code of Conduct FAQ หรือ ติดต่อ Email opencode หากมีคำถามหรือความคิดเห็นเพิ่มเติม

มาเริ่มกันเลย!

ตอนนี้คุณได้ทำตามขั้นตอนที่จำเป็นเพื่อจบหลักสูตรนี้แล้ว มาเริ่มต้นกันด้วยการ แนะนำเกี่ยวกับ Generative AI และ LLMs

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลสำคัญ ขอแนะนำให้ใช้บริการแปลภาษามนุษย์ที่เป็นมืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้