Skip to content

README.md

Latest commit

 

History

History
226 lines (139 loc) · 13.1 KB

README.md

File metadata and controls

226 lines (139 loc) · 13.1 KB

Početak rada s ovim tečajem

Jako smo uzbuđeni što ćete započeti ovaj tečaj i vidjeti što ćete sve biti inspirirani izgraditi uz Generativnu AI!

Kako bismo osigurali vaš uspjeh, ova stranica opisuje korake postavljanja, tehničke zahtjeve i gdje potražiti pomoć ako vam zatreba.

Koraci postavljanja

Za početak ovog tečaja, potrebno je dovršiti sljedeće korake.

1. Forkajte ovaj repozitorij

Forkajte cijeli ovaj repozitorij na svoj GitHub račun kako biste mogli mijenjati kod i rješavati izazove. Također možete označiti (🌟) ovaj repozitorij kako biste ga lakše pronašli zajedno s povezanim repozitorijima.

2. Kreirajte codespace

Kako biste izbjegli probleme s ovisnostima prilikom pokretanja koda, preporučujemo da ovaj tečaj pokrenete u GitHub Codespaces.

To možete napraviti tako da na svojoj forkanoj verziji repozitorija odaberete opciju Code i zatim odaberete opciju Codespaces.

Dijalog koji prikazuje gumbe za kreiranje codespacea

3. Pohrana vaših API ključeva

Važno je čuvati vaše API ključeve sigurno kada gradite bilo koju vrstu aplikacije. Preporučujemo da ne pohranjujete API ključeve direktno u kod. Ako te podatke pošaljete u javni repozitorij, to može dovesti do sigurnosnih problema pa čak i neželjenih troškova ako ih netko zloupotrijebi.
Evo vodiča korak po korak kako napraviti .env datoteku za Python i dodati GITHUB_TOKEN:

  1. Idite u direktorij vašeg projekta: Otvorite terminal ili naredbeni redak i idite u korijenski direktorij projekta gdje želite kreirati .env datoteku.

    cd path/to/your/project

  2. Kreirajte .env datoteku: Koristite svoj omiljeni uređivač teksta za kreiranje nove datoteke nazvane .env. Ako koristite naredbeni redak, možete koristiti touch (na Unix sustavima) ili echo (na Windowsu):

    Unix sustavi:

    touch .env

    Windows:

    echo . > .env

  3. Uredite .env datoteku: Otvorite .env datoteku u uređivaču teksta (npr. VS Code, Notepad++ ili bilo kojem drugom). Dodajte sljedeći redak u datoteku, zamjenjujući your_github_token_here stvarnim GitHub tokenom:

    GITHUB_TOKEN=your_github_token_here

  4. Spremite datoteku: Spremite promjene i zatvorite uređivač teksta.

  5. Instalirajte python-dotenv: Ako već niste, trebate instalirati paket python-dotenv kako biste mogli učitati varijable okoline iz .env datoteke u vašu Python aplikaciju. Možete ga instalirati pomoću pip:

    pip install python-dotenv

  6. Učitajte varijable okoline u vaš Python skript: U vašem Python skriptu koristite paket python-dotenv za učitavanje varijabli okoline iz .env datoteke:

    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)

To je to! Uspješno ste kreirali .env datoteku, dodali svoj GitHub token i učitali ga u Python aplikaciju.

Kako pokrenuti lokalno na vašem računalu

Da biste pokrenuli kod lokalno na svom računalu, potrebno je imati instaliranu neku verziju Pythona.

Zatim, da biste koristili repozitorij, potrebno ga je klonirati:

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

Kad sve to imate, možete započeti!

Opcionalni koraci

Instalacija Miniconde

Miniconda je lagani instalacijski program za instalaciju Conde, Pythona i nekoliko paketa.
Conda je upravitelj paketa koji olakšava postavljanje i prebacivanje između različitih Python virtualnih okruženja i paketa. Također je koristan za instalaciju paketa koji nisu dostupni putem pip.

Možete pratiti MiniConda vodič za instalaciju za postavljanje.

Nakon instalacije Miniconde, trebate klonirati repozitorij (ako to već niste napravili).

Zatim trebate kreirati virtualno okruženje. Da biste to napravili s Condom, kreirajte novu datoteku za okruženje (environment.yml). Ako pratite tečaj koristeći Codespaces, kreirajte ju unutar direktorija .devcontainer, dakle .devcontainer/environment.yml.

Popunite svoju datoteku okruženja sljedećim isječkom:

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

Ako naiđete na greške pri korištenju conde, možete ručno instalirati Microsoft AI biblioteke koristeći sljedeću naredbu u terminalu.

conda install -c microsoft azure-ai-ml

Datoteka okruženja specificira potrebne ovisnosti. <environment-name> označava ime koje želite dati svom Conda okruženju, a <python-version> verziju Pythona koju želite koristiti, na primjer, 3 je najnovija glavna verzija Pythona.

Kad to napravite, možete kreirati Conda okruženje pokretanjem naredbi u naredbenom retku/terminalu:

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

Ako naiđete na probleme, pogledajte Conda vodič za upravljanje okruženjima.

Korištenje Visual Studio Code s Python podrškom

Preporučujemo korištenje Visual Studio Code (VS Code) uređivača s instaliranim Python support extension za ovaj tečaj. Ovo je preporuka, ali nije obavezno.

Napomena: Otvaranjem repozitorija tečaja u VS Code imate opciju postaviti projekt unutar containera. To je moguće zahvaljujući posebnom .devcontainer direktoriju unutar repozitorija tečaja. O tome ćemo više kasnije.

Napomena: Nakon što klonirate i otvorite direktorij u VS Code, automatski će vam se predložiti instalacija Python podrške.

Napomena: Ako vam VS Code predloži ponovno otvaranje repozitorija u containeru, odbijte taj zahtjev ako želite koristiti lokalno instaliranu verziju Pythona.

Korištenje Jupyter-a u pregledniku

Također možete raditi na projektu koristeći Jupyter okruženje direktno u pregledniku. I klasični Jupyter i Jupyter Hub nude ugodno razvojno okruženje s funkcijama poput automatskog dovršavanja, isticanja koda i slično.

Za pokretanje Jupyter-a lokalno, otvorite terminal/naredbeni redak, idite u direktorij tečaja i pokrenite:

jupyter notebook

ili

jupyterhub

Ovo će pokrenuti Jupyter instancu, a URL za pristup bit će prikazan u prozoru naredbenog retka.

Kad pristupite URL-u, trebali biste vidjeti strukturu tečaja i moći otvoriti bilo koju *.ipynb datoteku. Na primjer, 08-building-search-applications/python/oai-solution.ipynb.

Pokretanje u containeru

Alternativa postavljanju svega na vašem računalu ili Codespaceu je korištenje containera. Posebna .devcontainer mapa unutar repozitorija tečaja omogućuje VS Code-u da postavi projekt unutar containera. Izvan Codespacesa, to zahtijeva instalaciju Dockera i, iskreno, uključuje malo više posla, pa to preporučujemo samo onima koji imaju iskustva s containerima.

Jedan od najboljih načina da zaštitite svoje API ključeve prilikom korištenja GitHub Codespaces je korištenje Codespace Secrets. Molimo pratite vodič za Codespaces secrets management za više informacija.

Lekcije i tehnički zahtjevi

Tečaj sadrži 6 konceptualnih lekcija i 6 lekcija kodiranja.

Za lekcije kodiranja koristimo Azure OpenAI Service. Trebat će vam pristup Azure OpenAI servisu i API ključ za pokretanje ovog koda. Možete se prijaviti za pristup ispunjavajući ovu prijavu.

Dok čekate obradu svoje prijave, svaka lekcija kodiranja također uključuje README.md datoteku u kojoj možete pregledati kod i rezultate.

Prvi put koristite Azure OpenAI Service

Ako prvi put radite s Azure OpenAI servisom, molimo slijedite ovaj vodič o tome kako kreirati i implementirati Azure OpenAI Service resurs.

Prvi put koristite OpenAI API

Ako prvi put radite s OpenAI API-jem, molimo slijedite vodič o tome kako kreirati i koristiti sučelje.

Upoznajte druge polaznike

Kreirali smo kanale na našem službenom AI Community Discord serveru za upoznavanje drugih polaznika. Ovo je odličan način za umrežavanje s drugim poduzetnicima, graditeljima, studentima i svima koji žele napredovati u Generativnoj AI.

Pridruži se discord kanalu

Tim projekta također će biti prisutan na ovom Discord serveru kako bi pomogao polaznicima.

Doprinos

Ovaj tečaj je open-source inicijativa. Ako primijetite područja za poboljšanje ili probleme, molimo kreirajte Pull Request ili prijavite GitHub issue.

Tim projekta prati sve doprinose. Doprinos open source projektima je izvrstan način za razvoj karijere u Generativnoj AI.

Većina doprinosa zahtijeva da se složite s Contributor License Agreement (CLA) koji potvrđuje da imate pravo i doista dajete prava za korištenje vašeg doprinosa. Za detalje posjetite CLA, Contributor License Agreement web stranicu.

Važno: prilikom prevođenja teksta u ovom repozitoriju, molimo vas da ne koristite strojno prevođenje. Provjeravat ćemo prijevode putem zajednice, stoga se prijavljujte za prijevode samo ako ste u tom jeziku vješti.

Kada pošaljete pull request, CLA-bot će automatski utvrditi trebate li dostaviti CLA i označiti PR na odgovarajući način (npr. oznaka, komentar). Jednostavno slijedite upute bota. Ovo ćete morati napraviti samo jednom za sve repozitorije koji koriste naš CLA.

Ovaj projekt je usvojio Microsoft Open Source Code of Conduct. Za više informacija pročitajte FAQ o Code of Conduct ili kontaktirajte Email opencode za dodatna pitanja ili komentare.

Krenimo

Sada kada ste dovršili potrebne korake za ovaj tečaj, krenimo s uvodom u Generativnu AI i LLM-ove.

Odricanje od odgovornosti:
Ovaj dokument je preveden korištenjem AI usluge za prevođenje Co-op Translator. Iako težimo točnosti, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati službenim i autoritativnim izvorom. Za kritične informacije preporučuje se profesionalni ljudski prijevod. Ne snosimo odgovornost za bilo kakve nesporazume ili pogrešna tumačenja koja proizlaze iz korištenja ovog prijevoda.