Skip to content

README.md

Latest commit

 

History

History
232 lines (145 loc) · 21.7 KB

README.md

File metadata and controls

232 lines (145 loc) · 21.7 KB

เริ่มต้นกับคอร์สนี้

เรารู้สึกตื่นเต้นมากที่คุณจะเริ่มเรียนคอร์สนี้และได้เห็นสิ่งที่คุณจะได้รับแรงบันดาลใจในการสร้างด้วย Generative AI!

เพื่อให้คุณประสบความสำเร็จ หน้านี้จะสรุปขั้นตอนการตั้งค่า ข้อกำหนดทางเทคนิค และแหล่งช่วยเหลือหากต้องการ

ขั้นตอนการตั้งค่า

เพื่อเริ่มเรียนคอร์สนี้ คุณจะต้องทำตามขั้นตอนดังต่อไปนี้

1. Fork Repo นี้

Fork repo นี้ทั้งหมด ไปยังบัญชี GitHub ของคุณเอง เพื่อให้คุณสามารถแก้ไขโค้ดและทำโจทย์ท้าทายได้ นอกจากนี้คุณยังสามารถ กดดาว (🌟) ให้ repo นี้ เพื่อให้ค้นหา repo นี้และ repo ที่เกี่ยวข้องได้ง่ายขึ้น

2. สร้าง codespace

เพื่อหลีกเลี่ยงปัญหาด้าน dependency เมื่อรันโค้ด เราแนะนำให้รันคอร์สนี้ใน GitHub Codespaces

คุณสามารถสร้างได้โดยเลือกตัวเลือก Code บนเวอร์ชันที่คุณ fork มา แล้วเลือกตัวเลือก Codespaces

Dialog showing buttons to create a codespace

3. การเก็บ API Keys ของคุณ

การเก็บ API keys ให้ปลอดภัยเป็นสิ่งสำคัญเมื่อสร้างแอปพลิเคชันใดๆ เราแนะนำให้ไม่เก็บ API keys ไว้ในโค้ดโดยตรง การ commit รายละเอียดเหล่านี้ลงใน public repository อาจทำให้เกิดปัญหาด้านความปลอดภัยและค่าใช้จ่ายที่ไม่คาดคิดหากถูกนำไปใช้โดยผู้ไม่หวังดี
นี่คือคำแนะนำทีละขั้นตอนในการสร้างไฟล์ .env สำหรับ Python และเพิ่ม GITHUB_TOKEN:

  1. ไปยังไดเรกทอรีโปรเจกต์ของคุณ: เปิด terminal หรือ command prompt แล้วไปยังไดเรกทอรีหลักของโปรเจกต์ที่คุณต้องการสร้างไฟล์ .env

    cd path/to/your/project

  2. สร้างไฟล์ .env: ใช้โปรแกรมแก้ไขข้อความที่คุณชอบเพื่อสร้างไฟล์ใหม่ชื่อ .env หากใช้ command line คุณสามารถใช้คำสั่ง touch (บนระบบ Unix) หรือ echo (บน Windows):

    ระบบ Unix:

    touch .env

    Windows:

    echo . > .env

  3. แก้ไขไฟล์ .env: เปิดไฟล์ .env ด้วยโปรแกรมแก้ไขข้อความ (เช่น VS Code, Notepad++ หรือโปรแกรมอื่นๆ) แล้วเพิ่มบรรทัดนี้ลงไป โดยแทนที่ your_github_token_here ด้วย token GitHub ของคุณจริงๆ:

    GITHUB_TOKEN=your_github_token_here

  4. บันทึกไฟล์: บันทึกการเปลี่ยนแปลงและปิดโปรแกรมแก้ไขข้อความ

  5. ติดตั้ง python-dotenv: หากยังไม่ได้ติดตั้ง คุณต้องติดตั้งแพ็กเกจ python-dotenv เพื่อโหลด environment variables จากไฟล์ .env เข้าสู่แอป Python ของคุณ คุณสามารถติดตั้งด้วย pip:

    pip install python-dotenv

  6. โหลด environment variables ในสคริปต์ Python ของคุณ: ในสคริปต์ Python ให้ใช้แพ็กเกจ python-dotenv เพื่อโหลด environment variables จากไฟล์ .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)

แค่นี้ก็เรียบร้อย! คุณได้สร้างไฟล์ .env เพิ่ม GitHub token และโหลดเข้าแอป Python ของคุณเรียบร้อยแล้ว

วิธีรันโค้ดบนเครื่องของคุณ

หากต้องการรันโค้ดบนเครื่องของคุณเอง คุณจะต้องติดตั้ง Python เวอร์ชันใดเวอร์ชันหนึ่ง

จากนั้นเพื่อใช้งาน repository นี้ คุณต้อง clone มายังเครื่องของคุณ:

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

เมื่อคุณเตรียมทุกอย่างเรียบร้อยแล้ว ก็เริ่มต้นได้เลย!

ขั้นตอนเสริม (Optional Steps)

การติดตั้ง Miniconda

Miniconda เป็นตัวติดตั้งขนาดเล็กสำหรับติดตั้ง Conda, Python และแพ็กเกจบางตัว
Conda เป็นตัวจัดการแพ็กเกจที่ช่วยให้ตั้งค่าและสลับไปมาระหว่าง virtual environments และแพ็กเกจต่างๆ ได้ง่าย นอกจากนี้ยังช่วยติดตั้งแพ็กเกจที่ไม่มีใน pip ได้ด้วย

คุณสามารถทำตาม คู่มือการติดตั้ง MiniConda เพื่อเริ่มใช้งาน

เมื่อคุณติดตั้ง Miniconda แล้ว คุณต้อง clone repository (ถ้ายังไม่ได้ทำ)

ถัดไป คุณต้องสร้าง virtual environment โดยใช้ Conda สร้างไฟล์ environment ใหม่ (environment.yml) หากคุณใช้ Codespaces ให้สร้างไฟล์นี้ในไดเรกทอรี .devcontainer คือ .devcontainer/environment.yml

จากนั้นเติมเนื้อหาในไฟล์ environment ด้วยโค้ดตัวอย่างด้านล่างนี้:

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

ถ้าคุณเจอปัญหาในการใช้ conda คุณสามารถติดตั้ง Microsoft AI Libraries ด้วยคำสั่งนี้ใน terminal ได้เลย

conda install -c microsoft azure-ai-ml

ไฟล์ environment จะระบุ dependencies ที่เราต้องการ <environment-name> คือชื่อ environment ที่คุณต้องการใช้ และ <python-version> คือเวอร์ชัน Python ที่คุณต้องการ เช่น 3 คือเวอร์ชันหลักล่าสุดของ Python

เมื่อเตรียมไฟล์เสร็จแล้ว คุณสามารถสร้าง Conda environment ได้โดยรันคำสั่งด้านล่างใน command line/terminal

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

หากเจอปัญหาใดๆ ให้ดูที่ คู่มือ Conda environments

การใช้ Visual Studio Code กับส่วนขยาย Python support

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

หมายเหตุ: เมื่อเปิด repository ของคอร์สใน VS Code คุณสามารถตั้งค่าโปรเจกต์ภายใน container ได้ เพราะใน repository มีไดเรกทอรีพิเศษ .devcontainer อยู่ รายละเอียดเพิ่มเติมจะกล่าวถึงในภายหลัง

หมายเหตุ: เมื่อคุณ clone และเปิดไดเรกทอรีใน VS Code โปรแกรมจะแนะนำให้ติดตั้งส่วนขยาย Python support อัตโนมัติ

หมายเหตุ: หาก VS Code แนะนำให้เปิด repository ใหม่ใน container ให้ปฏิเสธคำขอนี้เพื่อใช้ Python ที่ติดตั้งในเครื่องแทน

การใช้ Jupyter ในเบราว์เซอร์

คุณยังสามารถทำงานกับโปรเจกต์นี้โดยใช้ Jupyter environment ผ่านเบราว์เซอร์ได้ ทั้ง Jupyter แบบคลาสสิกและ Jupyter Hub มีสภาพแวดล้อมการพัฒนาที่ดีพร้อมฟีเจอร์อย่าง auto-completion, การเน้นโค้ด ฯลฯ

เพื่อเริ่ม Jupyter บนเครื่อง ให้เปิด terminal/command line ไปยังไดเรกทอรีของคอร์ส แล้วรันคำสั่งนี้:

jupyter notebook

หรือ

jupyterhub

คำสั่งนี้จะเริ่ม Jupyter instance และแสดง URL สำหรับเข้าถึงในหน้าต่าง command line

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

การรันใน container

อีกทางเลือกหนึ่งแทนการตั้งค่าทุกอย่างบนเครื่องหรือ Codespace คือการใช้ container
ไดเรกทอรีพิเศษ .devcontainer ใน repository ของคอร์สช่วยให้ VS Code ตั้งค่าโปรเจกต์ภายใน container ได้
นอกเหนือจาก Codespaces คุณจะต้องติดตั้ง Docker และค่อนข้างซับซ้อน จึงแนะนำสำหรับผู้ที่มีประสบการณ์กับ container เท่านั้น

วิธีที่ดีที่สุดในการเก็บ API keys ให้ปลอดภัยเมื่อใช้ GitHub Codespaces คือการใช้ Codespace Secrets
โปรดดูคำแนะนำ การจัดการความลับใน Codespaces เพื่อเรียนรู้เพิ่มเติม

บทเรียนและข้อกำหนดทางเทคนิค

คอร์สนี้มีบทเรียนเชิงแนวคิด 6 บท และบทเรียนเขียนโค้ด 6 บท

สำหรับบทเรียนเขียนโค้ด เราใช้ Azure OpenAI Service คุณจะต้องมีสิทธิ์เข้าถึง Azure OpenAI service และ API key เพื่อรันโค้ดนี้ คุณสามารถสมัครขอสิทธิ์ได้โดย กรอกใบสมัครนี้

ในระหว่างรอการอนุมัติใบสมัคร บทเรียนเขียนโค้ดแต่ละบทจะมีไฟล์ README.md ที่คุณสามารถดูโค้ดและผลลัพธ์ได้

การใช้ Azure OpenAI Service ครั้งแรก

หากนี่เป็นครั้งแรกที่คุณใช้ Azure OpenAI service โปรดทำตามคำแนะนำนี้เกี่ยวกับวิธี สร้างและปรับใช้ Azure OpenAI Service resource

การใช้ OpenAI API ครั้งแรก

หากนี่เป็นครั้งแรกที่คุณใช้ OpenAI API โปรดทำตามคำแนะนำเกี่ยวกับวิธี สร้างและใช้งาน Interface

พบปะผู้เรียนคนอื่นๆ

เราได้สร้างช่องทางในเซิร์ฟเวอร์ AI Community Discord อย่างเป็นทางการ เพื่อให้ผู้เรียนได้พบปะกัน นี่เป็นวิธีที่ดีในการสร้างเครือข่ายกับผู้ประกอบการ นักพัฒนา นักศึกษา และใครก็ตามที่ต้องการพัฒนาทักษะใน Generative AI

Join discord channel

ทีมโปรเจกต์จะอยู่ใน Discord นี้เพื่อช่วยเหลือผู้เรียนทุกคน

การมีส่วนร่วม

คอร์สนี้เป็นโครงการโอเพนซอร์ส หากคุณพบจุดที่ควรปรับปรุงหรือปัญหาใดๆ โปรดสร้าง Pull Request หรือลงบันทึก GitHub issue

ทีมโปรเจกต์จะติดตามการมีส่วนร่วมทั้งหมด การมีส่วนร่วมในโอเพนซอร์สเป็นวิธีที่ยอดเยี่ยมในการสร้างอาชีพใน Generative AI

ส่วนใหญ่การมีส่วนร่วมจะต้องยอมรับ Contributor License Agreement (CLA) ซึ่งเป็นข้อตกลงว่าคุณมีสิทธิ์และอนุญาตให้เราใช้ผลงานของคุณ
ดูรายละเอียดได้ที่ เว็บไซต์ CLA, Contributor License Agreement

สำคัญ: เมื่อแปลข้อความใน repo นี้ โปรดอย่าใช้การแปลด้วยเครื่อง เราจะตรวจสอบการแปลผ่านชุมชน ดังนั้นโปรดอาสาแปลเฉพาะภาษาที่คุณมีความชำนาญเท่านั้น

เมื่อคุณส่ง pull request CLA-bot จะตรวจสอบโดยอัตโนมัติว่าคุณต้องส่ง CLA หรือไม่ และจะติดป้ายกำกับหรือคอมเมนต์ใน PR ตามนั้น
เพียงทำตามคำแนะนำของบอท คุณจะต้องทำเพียงครั้งเดียวสำหรับทุก repo ที่ใช้ CLA ของเรา

โครงการนี้ได้นำ Microsoft Open Source Code of Conduct มาใช้
สำหรับข้อมูลเพิ่มเติม อ่าน FAQ ของ Code of Conduct หรือติดต่อ Email opencode หากมีคำถามหรือข้อเสนอแนะเพิ่มเติม

เริ่มกันเลย

ตอนนี้คุณได้ทำตามขั้นตอนที่จำเป็นสำหรับคอร์สนี้แล้ว มาเริ่มต้นด้วยการ แนะนำเกี่ยวกับ Generative AI และ LLMs กันเลย!

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้เราจะพยายามให้ความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญมนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลนี้