Skip to content

README.md

Latest commit

 

History

History
227 lines (140 loc) · 13.4 KB

README.md

File metadata and controls

227 lines (140 loc) · 13.4 KB

Iniziare con questo corso

Siamo molto entusiasti che tu inizi questo corso e scopra cosa ti ispira a creare con l’Intelligenza Artificiale Generativa!

Per garantirti il successo, questa pagina illustra i passaggi per la configurazione, i requisiti tecnici e dove trovare aiuto se necessario.

Passaggi per la configurazione

Per iniziare a seguire questo corso, dovrai completare i seguenti passaggi.

1. Fai il fork di questo repository

Fai il fork di tutto questo repository sul tuo account GitHub per poter modificare il codice e completare le sfide. Puoi anche mettere una stella (🌟) a questo repository per trovarlo più facilmente insieme ai repository correlati.

2. Crea un codespace

Per evitare problemi di dipendenze durante l’esecuzione del codice, consigliamo di eseguire questo corso in un GitHub Codespaces.

Puoi crearlo selezionando l’opzione Code sulla tua versione forkata di questo repository e scegliendo l’opzione Codespaces.

Dialogo che mostra i pulsanti per creare un codespace

3. Conservare le tue API Keys

Mantenere le tue API keys al sicuro è importante quando si sviluppa qualsiasi tipo di applicazione. Ti consigliamo di non memorizzare le API keys direttamente nel codice. Inserirle in un repository pubblico potrebbe causare problemi di sicurezza e anche costi indesiderati se usate da malintenzionati.
Ecco una guida passo-passo su come creare un file .env per Python e aggiungere il GITHUB_TOKEN:

  1. Vai alla directory del tuo progetto: apri il terminale o il prompt dei comandi e spostati nella directory principale del progetto dove vuoi creare il file .env.

    cd path/to/your/project

  2. Crea il file .env: usa il tuo editor di testo preferito per creare un nuovo file chiamato .env. Se usi la riga di comando, puoi usare touch (su sistemi Unix) o echo (su Windows):

    Sistemi Unix:

    touch .env

    Windows:

    echo . > .env

  3. Modifica il file .env: apri il file .env in un editor di testo (ad esempio VS Code, Notepad++ o altro). Aggiungi la seguente riga, sostituendo your_github_token_here con il tuo token GitHub reale:

    GITHUB_TOKEN=your_github_token_here

  4. Salva il file: salva le modifiche e chiudi l’editor.

  5. Installa python-dotenv: se non l’hai già fatto, devi installare il pacchetto python-dotenv per caricare le variabili d’ambiente dal file .env nella tua applicazione Python. Puoi installarlo usando pip:

    pip install python-dotenv

  6. Carica le variabili d’ambiente nel tuo script Python: nel tuo script Python, usa il pacchetto python-dotenv per caricare le variabili d’ambiente dal file .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)

Ecco fatto! Hai creato con successo un file .env, aggiunto il tuo token GitHub e caricato tutto nella tua applicazione Python.

Come eseguire localmente sul tuo computer

Per eseguire il codice localmente sul tuo computer, devi avere installata una versione di Python.

Per usare il repository, devi quindi clonarlo:

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

Una volta che hai tutto pronto, puoi iniziare!

Passaggi opzionali

Installare Miniconda

Miniconda è un installer leggero per installare Conda, Python e alcuni pacchetti.
Conda è un gestore di pacchetti che facilita la configurazione e il passaggio tra diversi ambienti virtuali Python e pacchetti. È utile anche per installare pacchetti non disponibili tramite pip.

Puoi seguire la guida all’installazione di MiniConda per configurarlo.

Dopo aver installato Miniconda, devi clonare il repository (se non l’hai già fatto).

Successivamente, devi creare un ambiente virtuale. Per farlo con Conda, crea un nuovo file ambiente (environment.yml). Se stai seguendo il corso usando Codespaces, crea questo file nella directory .devcontainer, quindi .devcontainer/environment.yml.

Popola il file ambiente con lo snippet qui sotto:

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

Se riscontri errori usando conda, puoi installare manualmente le Microsoft AI Libraries con il seguente comando nel terminale.

conda install -c microsoft azure-ai-ml

Il file ambiente specifica le dipendenze necessarie. <environment-name> è il nome che vuoi dare al tuo ambiente Conda, mentre <python-version> è la versione di Python che vuoi usare, ad esempio 3 per l’ultima versione principale di Python.

Fatto ciò, puoi creare il tuo ambiente Conda eseguendo i comandi seguenti nella riga di comando/terminale

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

Consulta la guida agli ambienti Conda se incontri problemi.

Usare Visual Studio Code con l’estensione di supporto Python

Consigliamo di usare l’editor Visual Studio Code (VS Code) con l’estensione di supporto Python installata per questo corso. Tuttavia, è solo una raccomandazione e non un requisito obbligatorio.

Nota: Aprendo il repository del corso in VS Code, puoi configurare il progetto all’interno di un container. Questo grazie alla cartella speciale .devcontainer presente nel repository. Ne parleremo più avanti.

Nota: Una volta clonato e aperto il repository in VS Code, ti verrà automaticamente suggerito di installare un’estensione di supporto Python.

Nota: Se VS Code ti suggerisce di riaprire il repository in un container, rifiuta questa richiesta per usare la versione di Python installata localmente.

Usare Jupyter nel browser

Puoi anche lavorare al progetto usando l’ambiente Jupyter direttamente nel browser. Sia Jupyter classico che Jupyter Hub offrono un ambiente di sviluppo piacevole con funzionalità come completamento automatico, evidenziazione del codice, ecc.

Per avviare Jupyter localmente, apri il terminale/prompt dei comandi, spostati nella directory del corso ed esegui:

jupyter notebook

oppure

jupyterhub

Questo avvierà un’istanza di Jupyter e l’URL per accedervi verrà mostrato nella finestra del terminale.

Una volta aperto l’URL, vedrai la struttura del corso e potrai navigare in qualsiasi file *.ipynb. Ad esempio, 08-building-search-applications/python/oai-solution.ipynb.

Eseguire in un container

Un’alternativa a configurare tutto sul tuo computer o in Codespace è usare un container. La cartella speciale .devcontainer nel repository del corso permette a VS Code di configurare il progetto all’interno di un container.
Al di fuori di Codespaces, questo richiede l’installazione di Docker e, a dire il vero, un po’ di lavoro, quindi consigliamo questa opzione solo a chi ha esperienza con i container.

Uno dei modi migliori per mantenere le tue API keys sicure usando GitHub Codespaces è tramite i Codespace Secrets. Segui la guida su Codespaces secrets management per saperne di più.

Lezioni e requisiti tecnici

Il corso comprende 6 lezioni teoriche e 6 lezioni di coding.

Per le lezioni di coding, utilizziamo il servizio Azure OpenAI. Avrai bisogno di accesso al servizio Azure OpenAI e di una API key per eseguire il codice. Puoi richiedere l’accesso compilando questa domanda.

Mentre aspetti che la tua richiesta venga elaborata, ogni lezione di coding include anche un file README.md dove puoi vedere il codice e i risultati.

Usare il servizio Azure OpenAI per la prima volta

Se è la prima volta che usi il servizio Azure OpenAI, segui questa guida su come creare e distribuire una risorsa Azure OpenAI Service.

Usare l’API OpenAI per la prima volta

Se è la prima volta che usi l’API OpenAI, segui la guida su come creare e usare l’interfaccia.

Incontra altri studenti

Abbiamo creato canali nel nostro server ufficiale Discord della AI Community per incontrare altri studenti. È un ottimo modo per fare networking con altri imprenditori, sviluppatori, studenti e chiunque voglia migliorare le proprie competenze in Intelligenza Artificiale Generativa.

Join discord channel

Il team del progetto sarà presente su questo server Discord per aiutare gli studenti.

Contribuire

Questo corso è un’iniziativa open source. Se noti aree di miglioramento o problemi, crea una Pull Request o segnala un issue su GitHub.

Il team del progetto monitorerà tutti i contributi. Contribuire all’open source è un modo fantastico per costruire la tua carriera nell’Intelligenza Artificiale Generativa.

La maggior parte dei contributi richiede di accettare un Contributor License Agreement (CLA) che dichiara che hai il diritto e concedi effettivamente i diritti per usare il tuo contributo. Per dettagli, visita il sito CLA, Contributor License Agreement.

Importante: quando traduci testi in questo repository, assicurati di non usare traduzioni automatiche. Verificheremo le traduzioni tramite la community, quindi offriti solo per traduzioni in lingue in cui sei competente.

Quando invii una pull request, un CLA-bot determinerà automaticamente se devi fornire un CLA e decorerà la PR di conseguenza (ad esempio, con etichetta o commento). Segui semplicemente le istruzioni del bot. Dovrai farlo solo una volta per tutti i repository che usano il nostro CLA.

Questo progetto ha adottato il Microsoft Open Source Code of Conduct. Per maggiori informazioni leggi le FAQ sul Code of Conduct o contatta Email opencode per domande o commenti.

Iniziamo

Ora che hai completato i passaggi necessari per seguire questo corso, iniziamo con un’introduzione all’Intelligenza Artificiale Generativa e ai LLM.

Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Pur impegnandoci per garantire l’accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa deve essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un umano. Non ci assumiamo alcuna responsabilità per eventuali malintesi o interpretazioni errate derivanti dall’uso di questa traduzione.