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

Bu kursa Başlarken

Bu kursa başlamanız ve Üretken Yapay Zeka ile neler yaratabileceğiniz konusunda ilham almanız için çok heyecanlıyız!

Başarınızı sağlamak için, bu sayfada kurulum adımları, teknik gereksinimler ve gerekirse nereden yardım alabileceğiniz açıklanmıştır.

Kurulum Adımları

Bu kursa başlamanız için aşağıdaki adımları tamamlamanız gerekmektedir.

1. Bu Depoyu Forklayın

Tüm bu depoyu forklayın ve kendi GitHub hesabınıza kopyalayın. Böylece kodda değişiklik yapabilir ve görevleri tamamlayabilirsiniz. Ayrıca, bu depoyu ve ilgili depoları daha kolay bulmak için yıldız (🌟) ekleyebilirsiniz.

2. Bir codespace Oluşturun

Kodu çalıştırırken bağımlılık sorunları yaşamamak için bu kursu GitHub Codespaces üzerinde çalıştırmanızı öneririz.

Bunu, forkladığınız deponun Code seçeneğini seçip ardından Codespaces seçeneğini seçerek oluşturabilirsiniz.

Codespace oluşturma butonlarını gösteren iletişim kutusu

3. API Anahtarlarınızı Saklama

Herhangi bir uygulama geliştirirken API anahtarlarınızı güvende tutmak önemlidir. API anahtarlarını doğrudan kodunuzda saklamamanızı öneririz. Bu bilgileri herkese açık bir depoya göndermek güvenlik sorunlarına ve kötü niyetli kişiler tarafından kullanılması durumunda istenmeyen maliyetlere yol açabilir.
Python için .env dosyası oluşturma ve GITHUB_TOKEN ekleme adımlarını aşağıda bulabilirsiniz:

  1. Proje Dizininize Gidin: Terminal veya komut istemcisini açın ve .env dosyasını oluşturmak istediğiniz projenizin kök dizinine gidin.

    cd path/to/your/project

  2. .env Dosyasını Oluşturun: Tercih ettiğiniz metin düzenleyici ile .env adlı yeni bir dosya oluşturun. Komut satırından yapıyorsanız, Unix tabanlı sistemlerde touch, Windows’ta ise echo komutlarını kullanabilirsiniz:

    Unix tabanlı sistemler:

    touch .env

    Windows:

    echo . > .env

  3. .env Dosyasını Düzenleyin: .env dosyasını bir metin düzenleyicide (örneğin VS Code, Notepad++ veya başka bir editör) açın. Aşağıdaki satırı ekleyin, your_github_token_here kısmını gerçek GitHub tokenınızla değiştirin:

    GITHUB_TOKEN=your_github_token_here

  4. Dosyayı Kaydedin: Değişiklikleri kaydedip metin düzenleyiciyi kapatın.

  5. python-dotenv Paketini Yükleyin: Henüz yüklemediyseniz, .env dosyasındaki ortam değişkenlerini Python uygulamanıza yüklemek için python-dotenv paketini yüklemeniz gerekir. Bunu pip ile yapabilirsiniz:

    pip install python-dotenv

  6. Python Scriptinizde Ortam Değişkenlerini Yükleyin: Python scriptinizde, .env dosyasındaki ortam değişkenlerini yüklemek için python-dotenv paketini kullanın:

    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)

Hepsi bu kadar! Başarıyla bir .env dosyası oluşturdunuz, GitHub tokenınızı eklediniz ve Python uygulamanıza yüklediniz.

Kodu Bilgisayarınızda Yerel Olarak Çalıştırma

Kodu bilgisayarınızda yerel olarak çalıştırmak için bir Python sürümünün kurulu olması gerekir.

Depoyu kullanmak için önce klonlamanız gerekir:

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

Her şey hazır olduğunda, başlayabilirsiniz!

İsteğe Bağlı Adımlar

Miniconda Kurulumu

Miniconda, Conda, Python ve bazı paketleri kurmak için hafif bir yükleyicidir.
Conda, farklı Python sanal ortamları ve paketleri kolayca kurup yönetmenizi sağlayan bir paket yöneticisidir. Ayrıca pip ile bulunmayan paketleri kurmak için de kullanışlıdır.

Kurulum için MiniConda kurulum rehberini takip edebilirsiniz.

Miniconda kurulduktan sonra, depo (henüz klonlamadıysanız) klonlanmalıdır.

Sonra bir sanal ortam oluşturmanız gerekir. Conda ile bunu yapmak için yeni bir ortam dosyası (environment.yml) oluşturun. Codespaces kullanıyorsanız, bunu .devcontainer dizini içinde, yani .devcontainer/environment.yml olarak oluşturun.

Ortam dosyanızı aşağıdaki kod parçacığı ile doldurun:

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

Conda kullanırken hata alırsanız, Microsoft AI Kütüphanelerini terminalde aşağıdaki komutla manuel olarak yükleyebilirsiniz.

conda install -c microsoft azure-ai-ml

Ortam dosyası ihtiyaç duyduğumuz bağımlılıkları belirtir. <environment-name>, Conda ortamınız için kullanmak istediğiniz isimdir ve <python-version>, kullanmak istediğiniz Python sürümüdür; örneğin, 3 Python’un en son ana sürümüdür.

Bunu yaptıktan sonra, aşağıdaki komutları komut satırınızda/terminalinizde çalıştırarak Conda ortamınızı oluşturabilirsiniz:

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

Herhangi bir sorun yaşarsanız, Conda ortamları rehberine bakabilirsiniz.

Visual Studio Code ve Python Destek Eklentisi Kullanımı

Bu kurs için Visual Studio Code (VS Code) editörünü ve Python destek eklentisini kullanmanızı öneririz. Ancak bu bir zorunluluk değil, sadece tavsiyedir.

Not: Kurs deposunu VS Code’da açtığınızda, projeyi bir konteyner içinde kurma seçeneğiniz olur. Bunun sebebi, kurs deposunda bulunan özel .devcontainer dizinidir. Bu konuya daha sonra değineceğiz.

Not: Depoyu klonlayıp VS Code’da açtığınızda, Python destek eklentisini yüklemeniz otomatik olarak önerilir.

Not: VS Code, depoyu bir konteyner içinde yeniden açmanızı önerirse, yerel Python sürümünü kullanmak için bu isteği reddedin.

Tarayıcıda Jupyter Kullanımı

Projede çalışmak için tarayıcınızda Jupyter ortamını da kullanabilirsiniz. Hem klasik Jupyter hem de Jupyter Hub otomatik tamamlama, kod vurgulama gibi özelliklerle oldukça keyifli bir geliştirme ortamı sunar.

Jupyter’ı yerel olarak başlatmak için terminal/komut satırına gidin, kurs dizinine geçin ve şu komutu çalıştırın:

jupyter notebook

veya

jupyterhub

Bu, bir Jupyter örneği başlatacak ve erişim için URL komut satırı penceresinde gösterilecektir.

URL’ye eriştiğinizde, kurs içeriğini görebilir ve herhangi bir *.ipynb dosyasına gidebilirsiniz. Örneğin, 08-building-search-applications/python/oai-solution.ipynb.

Konteyner İçinde Çalıştırma

Bilgisayarınızda veya Codespace’de her şeyi kurmak yerine bir konteyner kullanmak da bir seçenektir. Kurs deposundaki özel .devcontainer klasörü, VS Code’un projeyi bir konteyner içinde kurmasını sağlar. Codespaces dışında bunu kullanmak için Docker kurulumu gerekir ve biraz uğraştırıcıdır, bu yüzden konteynerlerle deneyimi olanlara öneriyoruz.

GitHub Codespaces kullanırken API anahtarlarınızı güvende tutmanın en iyi yollarından biri Codespace Secrets kullanmaktır. Daha fazla bilgi için Codespaces secrets yönetimi rehberini takip edin.

Dersler ve Teknik Gereksinimler

Kurs 6 kavramsal ders ve 6 kodlama dersi içerir.

Kodlama derslerinde Azure OpenAI Service kullanıyoruz. Bu kodu çalıştırmak için Azure OpenAI servisine erişiminiz ve bir API anahtarınız olması gerekir. Erişim için bu başvuruyu tamamlayarak talepte bulunabilirsiniz.

Başvurunuz işlenirken, her kodlama dersi ayrıca kodu ve çıktıları görebileceğiniz bir README.md dosyası içerir.

Azure OpenAI Servisini İlk Kez Kullanma

Azure OpenAI servisi ile ilk kez çalışıyorsanız, lütfen Azure OpenAI Service kaynağı oluşturma ve dağıtma rehberini takip edin.

OpenAI API’sini İlk Kez Kullanma

OpenAI API ile ilk kez çalışıyorsanız, lütfen Arayüz oluşturma ve kullanma rehberini takip edin.

Diğer Öğrenenlerle Tanışın

Resmi AI Community Discord sunucumuzda diğer öğrenenlerle tanışmak için kanallar oluşturduk. Bu, benzer düşünen girişimciler, geliştiriciler, öğrenciler ve Üretken Yapay Zeka alanında kendini geliştirmek isteyen herkesle ağ kurmak için harika bir yoldur.

Discord kanalına katıl

Proje ekibi de bu Discord sunucusunda öğrenenlere destek olacaktır.

Katkıda Bulunma

Bu kurs açık kaynaklı bir girişimdir. İyileştirme alanları veya sorunlar görürseniz, lütfen bir Pull Request oluşturun veya bir GitHub issue kaydedin.

Proje ekibi tüm katkıları takip edecektir. Açık kaynağa katkıda bulunmak, Üretken Yapay Zeka alanında kariyerinizi geliştirmek için harika bir yoldur.

Çoğu katkı, katkınızın kullanım haklarını bize verdiğinizi beyan eden bir Katkı Lisans Anlaşması’na (CLA) imza atmanızı gerektirir. Detaylar için CLA, Katkı Lisans Anlaşması web sitesini ziyaret edin.

Önemli: Bu depoda metin çevirisi yaparken, lütfen makine çevirisi kullanmayın. Çeviriler topluluk tarafından doğrulanacaktır, bu yüzden yalnızca iyi bildiğiniz dillerde gönüllü olun.

Pull request gönderdiğinizde, CLA-bot otomatik olarak CLA sağlamanız gerekip gerekmediğini belirleyecek ve PR’ı uygun şekilde işaretleyecektir (örneğin, etiket, yorum). Botun verdiği talimatları takip edin. Bu işlemi tüm depolarda yalnızca bir kez yapmanız yeterlidir.

Bu proje, Microsoft Açık Kaynak Davranış Kuralları kurallarını benimsemiştir. Daha fazla bilgi için Davranış Kuralları SSS bölümünü okuyabilir veya ek sorularınız için Email opencode ile iletişime geçebilirsiniz.

Haydi Başlayalım

Bu kursu tamamlamak için gereken adımları tamamladığınıza göre, şimdi Üretken Yapay Zeka ve LLM’lere giriş ile başlayalım.

Feragatname:
Bu belge, AI çeviri servisi Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba gösterilse de, otomatik çevirilerin hatalar veya yanlışlıklar içerebileceğini lütfen unutmayınız. Orijinal belge, kendi dilinde yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımı sonucu oluşabilecek yanlış anlamalar veya yorum hatalarından sorumlu değiliz.