Skip to content

README.md

Latest commit

 

History

History
226 lines (139 loc) · 13.4 KB

README.md

File metadata and controls

226 lines (139 loc) · 13.4 KB

Začínáme s tímto kurzem

Jsme nadšeni, že začínáte tento kurz a uvidíte, co vás inspiruje vytvořit s Generativní AI!

Abychom vám zajistili úspěch, tato stránka shrnuje kroky nastavení, technické požadavky a kde získat pomoc, pokud ji budete potřebovat.

Kroky nastavení

Pro zahájení kurzu je potřeba dokončit následující kroky.

1. Vytvořte fork tohoto repozitáře

Vytvořte fork celého tohoto repozitáře na svůj vlastní GitHub účet, abyste mohli měnit kód a plnit úkoly. Můžete také označit (🌟) tento repozitář hvězdičkou, abyste jej a související repozitáře snáze našli.

2. Vytvořte codespace

Aby se předešlo problémům s závislostmi při spouštění kódu, doporučujeme spouštět tento kurz v GitHub Codespaces.

Codespace vytvoříte výběrem možnosti Code ve vašem forku tohoto repozitáře a následným výběrem možnosti Codespaces.

Dialog zobrazující tlačítka pro vytvoření codespace

3. Ukládání vašich API klíčů

Je důležité uchovávat vaše API klíče v bezpečí při tvorbě jakékoliv aplikace. Doporučujeme neukládat API klíče přímo v kódu. Pokud byste tyto údaje nahráli do veřejného repozitáře, mohlo by to vést k bezpečnostním problémům a dokonce i nežádoucím nákladům, pokud by je zneužil někdo nepovolaný.
Zde je krok za krokem návod, jak vytvořit soubor .env pro Python a přidat GITHUB_TOKEN:

  1. Přejděte do adresáře vašeho projektu: Otevřete terminál nebo příkazový řádek a přejděte do kořenového adresáře projektu, kde chcete vytvořit soubor .env.

    cd path/to/your/project

  2. Vytvořte soubor .env: Použijte svůj oblíbený textový editor k vytvoření nového souboru s názvem .env. Pokud používáte příkazový řádek, můžete použít touch (na systémech Unix) nebo echo (na Windows):

    Unixové systémy:

    touch .env

    Windows:

    echo . > .env

  3. Upravte soubor .env: Otevřete .env v textovém editoru (např. VS Code, Notepad++ nebo jiný editor). Přidejte následující řádek, kde your_github_token_here nahraďte svým skutečným GitHub tokenem:

    GITHUB_TOKEN=your_github_token_here

  4. Uložte soubor: Uložte změny a zavřete editor.

  5. Nainstalujte python-dotenv: Pokud jste tak ještě neučinili, nainstalujte balíček python-dotenv, který umožní načítat proměnné prostředí ze souboru .env do vaší Python aplikace. Instalaci provedete pomocí pip:

    pip install python-dotenv

  6. Načtěte proměnné prostředí ve vašem Python skriptu: Ve vašem Python skriptu použijte balíček python-dotenv k načtení proměnných prostředí ze souboru .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)

A je to! Úspěšně jste vytvořili soubor .env, přidali GitHub token a načetli ho do Python aplikace.

Jak spustit lokálně na vašem počítači

Pro spuštění kódu lokálně na vašem počítači je potřeba mít nainstalovanou nějakou verzi Pythonu.

Repozitář pak musíte naklonovat:

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

Jakmile máte vše připraveno, můžete začít!

Volitelné kroky

Instalace Miniconda

Miniconda je lehký instalátor pro instalaci Conda, Pythonu a několika balíčků.
Conda je správce balíčků, který usnadňuje nastavení a přepínání mezi různými Python virtuálními prostředími a balíčky. Hodí se také pro instalaci balíčků, které nejsou dostupné přes pip.

Postupujte podle návodu na instalaci MiniConda.

Po instalaci Miniconda je potřeba naklonovat repozitář (pokud jste tak ještě neučinili).

Dále je potřeba vytvořit virtuální prostředí. Pro Conda vytvořte nový soubor prostředí (environment.yml). Pokud pracujete v Codespaces, vytvořte ho v adresáři .devcontainer, tedy .devcontainer/environment.yml.

Vyplňte soubor prostředí následujícím úryvkem:

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

Pokud při používání conda narazíte na chyby, můžete ručně nainstalovat Microsoft AI knihovny pomocí následujícího příkazu v terminálu.

conda install -c microsoft azure-ai-ml

Soubor prostředí specifikuje závislosti, které potřebujeme. <environment-name> je název, který chcete použít pro své Conda prostředí, a <python-version> je verze Pythonu, kterou chcete použít, například 3 je nejnovější hlavní verze Pythonu.

Po dokončení můžete vytvořit Conda prostředí spuštěním příkazů níže v příkazovém řádku/terminálu:

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

Pokud narazíte na problémy, podívejte se na návod k Conda prostředím.

Použití Visual Studio Code s rozšířením pro Python

Pro tento kurz doporučujeme používat editor Visual Studio Code (VS Code) s nainstalovaným rozšířením pro Python. Jedná se však spíše o doporučení než o povinnou podmínku.

Poznámka: Otevřením repozitáře kurzu ve VS Code máte možnost nastavit projekt v kontejneru. Je to díky speciálnímu adresáři .devcontainer v repozitáři kurzu. O tom více později.

Poznámka: Po naklonování a otevření adresáře ve VS Code vám editor automaticky nabídne instalaci rozšíření pro Python.

Poznámka: Pokud vám VS Code nabídne znovu otevřít repozitář v kontejneru, odmítněte tuto nabídku, pokud chcete používat lokálně nainstalovanou verzi Pythonu.

Použití Jupyter v prohlížeči

Na projektu můžete pracovat také pomocí prostředí Jupyter přímo ve vašem prohlížeči. Klasický Jupyter i Jupyter Hub poskytují příjemné vývojové prostředí s funkcemi jako automatické doplňování, zvýraznění kódu a další.

Pro spuštění Jupyter lokálně otevřete terminál/příkazový řádek, přejděte do adresáře kurzu a spusťte:

jupyter notebook

nebo

jupyterhub

Tím se spustí instance Jupyter a URL pro přístup k ní se zobrazí v okně příkazového řádku.

Po přístupu na URL byste měli vidět osnovu kurzu a můžete procházet jakýkoliv soubor *.ipynb. Například 08-building-search-applications/python/oai-solution.ipynb.

Spuštění v kontejneru

Alternativou k nastavení všeho na vašem počítači nebo v Codespace je použití kontejneru. Speciální složka .devcontainer v repozitáři kurzu umožňuje VS Code nastavit projekt v kontejneru. Mimo Codespaces to vyžaduje instalaci Dockeru a upřímně řečeno, je to trochu složitější, proto to doporučujeme jen zkušenějším uživatelům pracujícím s kontejnery.

Jedním z nejlepších způsobů, jak zabezpečit vaše API klíče při používání GitHub Codespaces, je využití Codespace Secrets. Podívejte se na průvodce Codespaces secrets management pro více informací.

Lekce a technické požadavky

Kurz obsahuje 6 konceptuálních lekcí a 6 lekcí s kódováním.

Pro lekce s kódováním používáme Azure OpenAI Service. Budete potřebovat přístup k Azure OpenAI službě a API klíč pro spuštění kódu. Přístup můžete získat vyplněním této žádosti.

Zatímco čekáte na zpracování žádosti, každá lekce s kódováním obsahuje také soubor README.md, kde můžete prohlížet kód a výstupy.

Použití Azure OpenAI Service poprvé

Pokud s Azure OpenAI službou pracujete poprvé, postupujte podle tohoto návodu, jak vytvořit a nasadit Azure OpenAI Service resource.

Použití OpenAI API poprvé

Pokud s OpenAI API pracujete poprvé, postupujte podle návodu, jak vytvořit a používat rozhraní.

Seznamte se s ostatními studenty

Vytvořili jsme kanály v našem oficiálním AI Community Discord serveru pro setkávání s ostatními studenty. Je to skvělý způsob, jak navázat kontakty s dalšími podnikateli, tvůrci, studenty a všemi, kdo chtějí posunout své znalosti v Generativní AI na vyšší úroveň.

Připojit se na discord kanál

Tým projektu bude také na tomto Discord serveru, aby pomáhal studentům.

Přispívejte

Tento kurz je open-source iniciativa. Pokud vidíte možnosti zlepšení nebo chyby, vytvořte prosím Pull Request nebo nahlaste GitHub issue.

Tým projektu sleduje všechny příspěvky. Přispívání do open source je skvělý způsob, jak rozvíjet svou kariéru v Generativní AI.

Většina příspěvků vyžaduje souhlas s Contributor License Agreement (CLA), který potvrzuje, že máte právo a skutečně udělujete práva k použití vašeho příspěvku. Podrobnosti najdete na webu CLA, Contributor License Agreement.

Důležité: při překladu textu v tomto repozitáři prosím nepoužívejte strojový překlad. Překlady budou ověřovány komunitou, proto se přihlašujte pouze na překlady do jazyků, ve kterých jste zdatní.

Po odeslání pull requestu CLA-bot automaticky zjistí, zda je potřeba poskytnout CLA, a označí PR odpovídajícím způsobem (např. štítek, komentář). Stačí postupovat podle pokynů bota. Toto je potřeba udělat pouze jednou pro všechny repozitáře využívající náš CLA.

Tento projekt přijal Microsoft Open Source Code of Conduct. Pro více informací si přečtěte FAQ ke Kodexu chování nebo kontaktujte Email opencode s případnými dotazy či připomínkami.

Pojďme začít

Nyní, když jste dokončili potřebné kroky pro absolvování kurzu, pojďme začít s úvodem do Generativní AI a LLM.

Prohlášení o vyloučení odpovědnosti:
Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. I když usilujeme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoliv nedorozumění nebo nesprávné výklady vyplývající z použití tohoto překladu.