このコースを始めて、Generative AIで何を作りたいかインスピレーションを得られることをとても楽しみにしています！
成功のために、このページではセットアップ手順、技術要件、そして必要に応じてサポートを受ける方法を説明しています。
このコースを始めるには、以下の手順を完了する必要があります。
コードを変更したりチャレンジを完了したりするために、このリポジトリ全体をフォークして自分のGitHubアカウントにコピーしてください。また、このリポジトリにスター（🌟）を付けることで、関連リポジトリを見つけやすくなります。
コード実行時の依存関係の問題を避けるために、このコースはGitHub Codespacesで実行することを推奨します。
フォークしたリポジトリのCodeオプションを選択し、Codespacesを選んで作成できます。
APIキーを安全に管理することは、どんなアプリケーションを作る上でも重要です。APIキーをコードに直接保存しないことをおすすめします。公開リポジトリにキーをコミットすると、セキュリティリスクや悪意のある利用による予期せぬコストが発生する可能性があります。
以下はPython用の.envファイルを作成し、GITHUB_TOKENを追加する手順です。
-
プロジェクトディレクトリに移動: ターミナルやコマンドプロンプトを開き、
.envファイルを作成したいプロジェクトのルートディレクトリに移動します。cd path/to/your/project -
.envファイルを作成: お好みのテキストエディタで新規ファイル.envを作成します。コマンドラインの場合、Unix系システムではtouch、Windowsではechoを使えます。Unix系システム:
touch .env
Windows:
echo . > .env
-
.envファイルを編集:.envファイルをテキストエディタ（例：VS Code、Notepad++など）で開き、以下の行を追加します。your_github_token_hereは実際のGitHubトークンに置き換えてください。GITHUB_TOKEN=your_github_token_here
-
ファイルを保存: 変更を保存してエディタを閉じます。
-
python-dotenvのインストール:.envファイルから環境変数をPythonアプリケーションに読み込むために、python-dotenvパッケージをインストールします。pipでインストール可能です。pip install python-dotenv
-
Pythonスクリプトで環境変数を読み込む: Pythonスクリプト内で
python-dotenvを使い、.envファイルから環境変数を読み込みます。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)
これで.envファイルの作成、GitHubトークンの追加、Pythonアプリケーションへの読み込みが完了です。
ローカルでコードを実行するには、Pythonのいずれかのバージョンをインストールしておく必要があります。
その後、リポジトリをクローンしてください。
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginnersすべて準備できたら、さっそく始めましょう！
Minicondaは、Conda、Python、およびいくつかのパッケージをインストールするための軽量インストーラーです。
Condaはパッケージマネージャーで、異なるPythonの仮想環境やパッケージのセットアップや切り替えを簡単にします。また、pipで入手できないパッケージのインストールにも便利です。
MiniCondaインストールガイドに従ってセットアップしてください。
Minicondaをインストールしたら、まだならリポジトリをクローンします。
次に仮想環境を作成します。Condaで行う場合は、新しい環境ファイル（environment.yml）を作成してください。Codespacesを使っている場合は、.devcontainerディレクトリ内に作成し、.devcontainer/environment.ymlとします。
以下のスニペットで環境ファイルを作成してください。
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-mlもしcondaでエラーが出る場合は、以下のコマンドでMicrosoft AIライブラリを手動でインストールできます。
conda install -c microsoft azure-ai-ml
環境ファイルには必要な依存関係が指定されています。<environment-name>はConda環境の名前、<python-version>は使用したいPythonのバージョン（例：最新のメジャーバージョンは3）です。
準備ができたら、以下のコマンドをコマンドラインやターミナルで実行してConda環境を作成します。
conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer sub path applies to only Codespace setups
conda activate ai4beg問題があればConda環境のガイドを参照してください。
このコースでは、Visual Studio Code (VS Code)エディタにPythonサポート拡張機能をインストールして使うことを推奨します。ただし、必須ではありません。
Note: コースリポジトリをVS Codeで開くと、プロジェクトをコンテナ内でセットアップするオプションが表示されます。これはリポジトリ内の特別な
.devcontainerディレクトリによるものです。詳細は後述します。
Note: リポジトリをクローンしてVS Codeで開くと、自動的にPythonサポート拡張機能のインストールを提案されます。
Note: VS Codeがリポジトリをコンテナ内で再オープンするよう提案した場合は、ローカルにインストールされたPythonを使うためにこの提案は拒否してください。
ブラウザ内で Jupyter環境を使ってプロジェクトに取り組むこともできます。クラシックJupyterやJupyter Hubは、オートコンプリートやコードハイライトなど快適な開発環境を提供します。
ローカルでJupyterを起動するには、ターミナルやコマンドラインでコースディレクトリに移動し、以下を実行してください。
jupyter notebookまたは
jupyterhubこれでJupyterが起動し、アクセス用のURLがコマンドラインに表示されます。
URLにアクセスすると、コースのアウトラインが表示され、任意の*.ipynbファイルに移動できます。例：08-building-search-applications/python/oai-solution.ipynb
パソコンやCodespaceにすべてをセットアップする代わりに、コンテナを使う方法もあります。コースリポジトリ内の特別な.devcontainerフォルダにより、VS Codeがコンテナ内でプロジェクトをセットアップ可能です。Codespaces以外で使う場合はDockerのインストールが必要で、やや手間がかかるため、コンテナの経験がある方にのみおすすめします。
GitHub CodespacesでAPIキーを安全に管理する最良の方法の一つは、Codespace Secretsの利用です。Codespaces secrets管理ガイドを参照してください。
このコースは6つの概念レッスンと6つのコーディングレッスンで構成されています。
コーディングレッスンではAzure OpenAI Serviceを使用します。コードを実行するにはAzure OpenAIサービスへのアクセス権とAPIキーが必要です。こちらの申請フォームからアクセス申請が可能です。
申請処理中は、各コーディングレッスンに付属のREADME.mdファイルでコードと出力を確認できます。
Azure OpenAI Serviceを初めて使う場合は、Azure OpenAI Serviceリソースの作成とデプロイ方法のガイドに従ってください。
OpenAI APIを初めて使う場合は、インターフェースの作成と使用方法のガイドを参照してください。
公式のAI Community Discordサーバーに学習者同士が交流できるチャンネルを用意しています。志を同じくする起業家、開発者、学生、Generative AIをレベルアップしたい方々とネットワークを広げる絶好の機会です。
プロジェクトチームもこのDiscordサーバーに参加し、学習者のサポートを行います。
このコースはオープンソースの取り組みです。改善点や問題を見つけたら、プルリクエストを作成するか、GitHub issueを報告してください。
プロジェクトチームはすべての貢献を追跡しています。オープンソースへの貢献はGenerative AI分野でのキャリア構築に素晴らしい方法です。
ほとんどの貢献には、貢献物の使用権を当方に付与する権利があることを宣言するContributor License Agreement (CLA)への同意が必要です。詳細はCLA, Contributor License Agreementのウェブサイトをご覧ください。
重要：このリポジトリの翻訳を行う際は、機械翻訳を使わないようにしてください。コミュニティによる検証を行うため、翻訳に自信のある言語のみでボランティアをお願いします。
プルリクエストを提出すると、CLA-botが自動的にCLAの提出が必要か判定し、PRに適切なラベルやコメントを付けます。ボットの指示に従ってください。CLAの提出は当方のすべてのリポジトリで一度だけ行えば十分です。
このプロジェクトはMicrosoft Open Source Code of Conductを採用しています。詳細はCode of Conduct FAQを読むか、質問やコメントがあればEmail opencodeまでご連絡ください。
必要な手順を完了したので、まずはGenerative AIとLLMの紹介から始めましょう。
免責事項：
本書類はAI翻訳サービス「Co-op Translator」を使用して翻訳されました。正確性の向上に努めておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があります。原文の言語によるオリジナル文書が正式な情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の利用により生じたいかなる誤解や誤訳についても、当方は一切の責任を負いかねます。