Skip to content

README.md

Latest commit

 

History

History
227 lines (139 loc) · 18.5 KB

README.md

File metadata and controls

227 lines (139 loc) · 18.5 KB

اس کورس کے ساتھ شروعات

ہم آپ کے اس کورس کو شروع کرنے اور دیکھنے کے لیے بہت پرجوش ہیں کہ آپ Generative AI کے ساتھ کیا کچھ تخلیق کرتے ہیں!

آپ کی کامیابی کو یقینی بنانے کے لیے، یہ صفحہ سیٹ اپ کے مراحل، تکنیکی ضروریات، اور مدد حاصل کرنے کے ذرائع بیان کرتا ہے۔

سیٹ اپ کے مراحل

اس کورس کو شروع کرنے کے لیے، آپ کو درج ذیل مراحل مکمل کرنے ہوں گے۔

1. اس ریپو کو فورک کریں

اپنے GitHub اکاؤنٹ پر اس پورے ریپو کو فورک کریں تاکہ آپ کسی بھی کوڈ میں تبدیلی کر سکیں اور چیلنجز مکمل کر سکیں۔ آپ اسے اور متعلقہ ریپوز کو آسانی سے تلاش کرنے کے لیے اس ریپو کو اسٹار (🌟) بھی کر سکتے ہیں۔

2. کوڈ اسپیس بنائیں

کوڈ چلانے کے دوران کسی بھی انحصاری کے مسائل سے بچنے کے لیے، ہم تجویز کرتے ہیں کہ آپ یہ کورس GitHub Codespaces میں چلائیں۔

یہ آپ کے فورک کیے ہوئے ریپو میں Code آپشن منتخب کر کے اور پھر Codespaces آپشن چن کر بنایا جا سکتا ہے۔

کوڈ اسپیس بنانے کے بٹن دکھانے والا ڈائیلاگ

3. اپنے API کیز محفوظ کریں

کسی بھی قسم کی ایپلیکیشن بناتے وقت اپنے API کیز کو محفوظ رکھنا بہت ضروری ہے۔ ہم تجویز کرتے ہیں کہ API کیز کو براہ راست اپنے کوڈ میں نہ رکھیں۔ اگر آپ یہ تفصیلات کسی پبلک ریپوزٹری میں کمیٹ کر دیں تو یہ سیکیورٹی کے مسائل اور غیر متوقع اخراجات کا باعث بن سکتا ہے، خاص طور پر اگر کوئی بدنیت شخص ان کا غلط استعمال کرے۔

یہاں Python کے لیے .env فائل بنانے اور GITHUB_TOKEN شامل کرنے کا مرحلہ وار طریقہ ہے:

  1. اپنے پروجیکٹ ڈائریکٹری میں جائیں: اپنا ٹرمینل یا کمانڈ پرامپٹ کھولیں اور اس پروجیکٹ کی روٹ ڈائریکٹری میں جائیں جہاں آپ .env فائل بنانا چاہتے ہیں۔

    cd path/to/your/project

  2. .env فائل بنائیں: اپنی پسندیدہ ٹیکسٹ ایڈیٹر سے .env نامی نئی فائل بنائیں۔ اگر آپ کمانڈ لائن استعمال کر رہے ہیں تو Unix-based سسٹمز پر touch یا Windows پر echo استعمال کر سکتے ہیں:

    Unix-based سسٹمز:

    touch .env

    Windows:

    echo . > .env

  3. .env فائل میں ترمیم کریں: .env فائل کو کسی ٹیکسٹ ایڈیٹر (جیسے VS Code، Notepad++، یا کوئی اور) میں کھولیں۔ اس فائل میں درج ذیل لائن شامل کریں، اور your_github_token_here کو اپنے اصل GitHub ٹوکن سے بدل دیں:

    GITHUB_TOKEN=your_github_token_here

  4. فائل محفوظ کریں: تبدیلیاں محفوظ کریں اور ٹیکسٹ ایڈیٹر بند کر دیں۔

  5. python-dotenv انسٹال کریں: اگر آپ نے پہلے سے نہیں کیا تو، آپ کو python-dotenv پیکیج انسٹال کرنا ہوگا تاکہ آپ کی Python ایپلیکیشن .env فائل سے ماحول کی متغیرات لوڈ کر سکے۔ آپ اسے pip کے ذریعے انسٹال کر سکتے ہیں:

    pip install python-dotenv

  6. اپنے Python اسکرپٹ میں ماحول کی متغیرات لوڈ کریں: اپنے Python اسکرپٹ میں python-dotenv پیکیج استعمال کریں تاکہ .env فائل سے ماحول کی متغیرات لوڈ کی جا سکیں:

    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)

بس! آپ نے کامیابی سے .env فائل بنائی، اپنا GitHub ٹوکن شامل کیا، اور اسے اپنی Python ایپلیکیشن میں لوڈ کر لیا۔

اپنے کمپیوٹر پر لوکل طور پر کوڈ چلانا

اپنے کمپیوٹر پر کوڈ چلانے کے لیے، آپ کے پاس Python کا کوئی ورژن انسٹال ہونا چاہیے۔

اس کے بعد ریپوزٹری استعمال کرنے کے لیے، آپ کو اسے کلون کرنا ہوگا:

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

جب آپ کے پاس سب کچھ تیار ہو جائے، تو آپ شروع کر سکتے ہیں!

اختیاری مراحل

Miniconda انسٹال کرنا

Miniconda ایک ہلکا پھلکا انسٹالر ہے جو Conda، Python، اور چند پیکیجز انسٹال کرنے کے لیے استعمال ہوتا ہے۔
Conda خود ایک پیکیج مینیجر ہے جو مختلف Python ورچوئل ماحول اور پیکیجز کو آسانی سے سیٹ اپ اور سوئچ کرنے میں مدد دیتا ہے۔ یہ ان پیکیجز کو انسٹال کرنے میں بھی مددگار ہے جو pip کے ذریعے دستیاب نہیں ہوتے۔

آپ MiniConda انسٹالیشن گائیڈ پر عمل کر کے اسے سیٹ اپ کر سکتے ہیں۔

Miniconda انسٹال کرنے کے بعد، اگر آپ نے پہلے نہیں کیا تو ریپوزٹری کلون کریں۔

اس کے بعد، آپ کو ایک ورچوئل ماحول بنانا ہوگا۔ Conda کے ساتھ یہ کرنے کے لیے، ایک نیا ماحول فائل (environment.yml) بنائیں۔ اگر آپ Codespaces استعمال کر رہے ہیں تو اسے .devcontainer ڈائریکٹری میں بنائیں، یعنی .devcontainer/environment.yml۔

اپنے ماحول کی فائل میں نیچے دیا گیا کوڈ شامل کریں:

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

اگر آپ کو conda استعمال کرتے ہوئے ایرر آ رہے ہیں تو آپ ٹرمینل میں درج ذیل کمانڈ کے ذریعے Microsoft AI Libraries دستی طور پر انسٹال کر سکتے ہیں۔

conda install -c microsoft azure-ai-ml

ماحول کی فائل میں وہ انحصار شامل ہوتے ہیں جن کی ہمیں ضرورت ہے۔ <environment-name> سے مراد وہ نام ہے جو آپ اپنے Conda ماحول کے لیے استعمال کرنا چاہتے ہیں، اور <python-version> Python کا وہ ورژن ہے جو آپ استعمال کرنا چاہتے ہیں، مثلاً 3 Python کا تازہ ترین بڑا ورژن ہے۔

یہ سب کرنے کے بعد، آپ نیچے دی گئی کمانڈز چلا کر اپنا Conda ماحول بنا سکتے ہیں:

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

اگر آپ کو کوئی مسئلہ ہو تو Conda environments guide دیکھیں۔

Visual Studio Code کو Python سپورٹ ایکسٹینشن کے ساتھ استعمال کرنا

ہم اس کورس کے لیے Visual Studio Code (VS Code) ایڈیٹر کو Python سپورٹ ایکسٹینشن کے ساتھ استعمال کرنے کی سفارش کرتے ہیں۔ یہ صرف ایک سفارش ہے، لازمی شرط نہیں۔

نوٹ: جب آپ کورس ریپوزٹری کو VS Code میں کھولیں گے، تو آپ کے پاس پروجیکٹ کو کنٹینر کے اندر سیٹ اپ کرنے کا آپشن ہوگا۔ یہ اس لیے ممکن ہے کیونکہ کورس ریپوزٹری میں خاص .devcontainer ڈائریکٹری موجود ہے۔ اس پر بعد میں مزید بات ہوگی۔

نوٹ: جب آپ ریپوزٹری کو کلون کر کے VS Code میں کھولیں گے، تو یہ خود بخود آپ کو Python سپورٹ ایکسٹینشن انسٹال کرنے کی تجویز دے گا۔

نوٹ: اگر VS Code آپ کو ریپوزٹری کو کنٹینر میں دوبارہ کھولنے کا کہے، تو اس درخواست کو مسترد کر دیں تاکہ آپ لوکل انسٹال شدہ Python ورژن استعمال کر سکیں۔

براؤزر میں Jupyter استعمال کرنا

آپ اس پروجیکٹ پر Jupyter ماحول کو اپنے براؤزر میں بھی استعمال کر سکتے ہیں۔ کلاسک Jupyter اور Jupyter Hub دونوں ایک خوشگوار ڈیولپمنٹ ماحول فراہم کرتے ہیں جس میں آٹو کمپلیشن، کوڈ ہائی لائٹنگ وغیرہ جیسی خصوصیات شامل ہیں۔

Jupyter لوکل طور پر شروع کرنے کے لیے، ٹرمینل/کمانڈ لائن میں کورس ڈائریکٹری پر جائیں اور درج ذیل کمانڈ چلائیں:

jupyter notebook

یا

jupyterhub

یہ Jupyter کا ایک انسٹانس شروع کرے گا اور اس کا URL کمانڈ لائن ونڈو میں دکھایا جائے گا۔

جب آپ اس URL تک پہنچیں گے، تو آپ کورس کا خاکہ دیکھ سکیں گے اور کسی بھی *.ipynb فائل پر جا سکیں گے۔ مثلاً، 08-building-search-applications/python/oai-solution.ipynb۔

کنٹینر میں چلانا

اپنے کمپیوٹر یا Codespace پر سب کچھ سیٹ اپ کرنے کا ایک متبادل طریقہ کنٹینر استعمال کرنا ہے۔ کورس ریپوزٹری میں موجود خاص .devcontainer فولڈر VS Code کو پروجیکٹ کو کنٹینر کے اندر سیٹ اپ کرنے کی سہولت دیتا ہے۔ Codespaces کے علاوہ، اس کے لیے Docker انسٹال کرنا پڑے گا، اور یہ تھوڑا پیچیدہ کام ہے، اس لیے ہم اسے صرف ان لوگوں کو تجویز کرتے ہیں جنہیں کنٹینرز کے ساتھ کام کرنے کا تجربہ ہو۔

GitHub Codespaces استعمال کرتے ہوئے اپنے API کیز کو محفوظ رکھنے کا ایک بہترین طریقہ Codespace Secrets کا استعمال ہے۔ اس بارے میں مزید جاننے کے لیے Codespaces secrets management گائیڈ پر عمل کریں۔

اسباق اور تکنیکی ضروریات

کورس میں 6 تصوراتی اسباق اور 6 کوڈنگ اسباق شامل ہیں۔

کوڈنگ اسباق کے لیے، ہم Azure OpenAI Service استعمال کر رہے ہیں۔ آپ کو Azure OpenAI سروس تک رسائی اور API کی ضرورت ہوگی تاکہ یہ کوڈ چلایا جا سکے۔ آپ یہ درخواست مکمل کر کے رسائی حاصل کر سکتے ہیں۔

جب تک آپ کی درخواست پر کارروائی ہو رہی ہو، ہر کوڈنگ سبق میں ایک README.md فائل بھی شامل ہوتی ہے جہاں آپ کوڈ اور آؤٹ پٹ دیکھ سکتے ہیں۔

پہلی بار Azure OpenAI Service استعمال کرنا

اگر آپ پہلی بار Azure OpenAI سروس استعمال کر رہے ہیں، تو براہ کرم اس گائیڈ پر عمل کریں کہ کیسے Azure OpenAI Service resource بنائیں اور تعینات کریں۔

پہلی بار OpenAI API استعمال کرنا

اگر آپ پہلی بار OpenAI API استعمال کر رہے ہیں، تو براہ کرم اس گائیڈ پر عمل کریں کہ کیسے انٹرفیس بنائیں اور استعمال کریں۔

دوسرے سیکھنے والوں سے ملیں

ہم نے اپنے سرکاری AI Community Discord سرور میں دوسرے سیکھنے والوں سے ملنے کے لیے چینلز بنائے ہیں۔ یہ دوسرے ہم خیال کاروباری افراد، تخلیق کاروں، طلباء، اور Generative AI میں مہارت حاصل کرنے کے خواہشمند افراد کے ساتھ نیٹ ورک بنانے کا بہترین ذریعہ ہے۔

ڈسکارڈ چینل میں شامل ہوں

پروجیکٹ ٹیم بھی اس Discord سرور پر موجود ہوگی تاکہ کسی بھی سیکھنے والے کی مدد کر سکے۔

تعاون کریں

یہ کورس ایک اوپن سورس اقدام ہے۔ اگر آپ بہتری کے مواقع یا مسائل دیکھیں، تو براہ کرم Pull Request بنائیں یا GitHub issue رپورٹ کریں۔

پروجیکٹ ٹیم تمام تعاون کو ٹریک کرے گی۔ اوپن سورس میں تعاون کرنا Generative AI میں اپنے کیریئر کو بنانے کا ایک شاندار طریقہ ہے۔

زیادہ تر تعاون کے لیے آپ کو Contributor License Agreement (CLA) سے اتفاق کرنا ہوگا، جس میں آپ یہ اعلان کرتے ہیں کہ آپ کے پاس اپنے تعاون کے حقوق دینے کا حق ہے اور آپ واقعی یہ حقوق دیتے ہیں۔ تفصیلات کے لیے CLA, Contributor License Agreement ویب سائٹ دیکھیں۔

اہم: اس ریپو میں متن کا ترجمہ کرتے وقت، براہ کرم مشین ترجمہ استعمال نہ کریں۔ ہم ترجموں کی کمیونٹی کے ذریعے تصدیق کریں گے، اس لیے صرف ان زبانوں میں ترجمہ کے لیے رضاکار بنیں جن میں آپ ماہر ہوں۔

جب آپ pull request جمع کرائیں گے، تو CLA-bot خود بخود فیصلہ کرے گا کہ آیا آپ کو CLA فراہم کرنا ہے اور PR کو مناسب طریقے سے لیبل یا کمنٹ کرے گا۔ بس بوٹ کی ہدایات پر عمل کریں۔ آپ کو یہ صرف ایک بار تمام ریپوزٹریز میں کرنا ہوگا جو ہمارے CLA استعمال کرتی ہیں۔

اس پروجیکٹ نے Microsoft Open Source Code of Conduct اپنایا ہے۔ مزید معلومات کے لیے Code of Conduct FAQ پڑھیں یا کسی اضافی سوال یا تبصرے کے لیے Email opencode سے رابطہ کریں۔

چلیں شروع کرتے ہیں

اب جب کہ آپ نے اس کورس کو مکمل کرنے کے لیے ضروری مراحل پورے کر لیے ہیں، تو چلیں شروع کرتے ہیں اور Generative AI اور LLMs کا تعارف حاصل کرتے ہیں۔

دستخطی نوٹ:
یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ اگرچہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستیاں ہو سکتی ہیں۔ اصل دستاویز اپنی مادری زبان میں معتبر ماخذ سمجھی جانی چاہیے۔ اہم معلومات کے لیے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کی ذمہ داری ہم پر عائد نہیں ہوتی۔