¡Estamos muy emocionados de que empieces este curso y ver en qué te inspiras para crear con IA Generativa!
Para asegurar tu éxito, en esta página encontrarás los pasos de configuración, los requisitos técnicos y dónde pedir ayuda si la necesitas.
Para comenzar este curso, necesitas completar los siguientes pasos.
Haz un fork de todo este repositorio a tu propia cuenta de GitHub para poder modificar el código y completar los desafíos. También puedes darle una estrella (🌟) a este repo para encontrarlo más fácilmente junto con otros repos relacionados.
Para evitar problemas de dependencias al ejecutar el código, te recomendamos realizar este curso en un GitHub Codespaces.
En tu fork: Code -> Codespaces -> New on main
- ⚙️ Icono de engranaje -> Command Pallete-> Codespaces : Manage user secret -> Add a new secret.
- Nombra OPENAI_API_KEY, pega tu clave, y guarda.
| Quiero… | Ir a… |
|---|---|
| Empezar la Lección 1 | 01-introduction-to-genai |
| Trabajar sin conexión | setup-local.md |
| Configurar un proveedor LLM | providers.md |
| Conocer a otros estudiantes | Únete a nuestro Discord |
| Síntoma | Solución |
|---|---|
| La construcción del contenedor se queda atascada > 10 min | Codespaces ➜ “Rebuild Container” |
python: command not found |
El terminal no se adjuntó; haz clic en + ➜ bash |
401 Unauthorized de OpenAI |
OPENAI_API_KEY incorrecta o expirada |
| VS Code muestra “Dev container mounting…” | Refresca la pestaña del navegador—Codespaces a veces pierde la conexión |
| Falta el kernel del notebook | Menú del notebook ➜ Kernel ▸ Select Kernel ▸ Python 3 |
Sistemas basados en Unix:
touch .envWindows:
echo . > .env-
Edita el archivo
.env: Abre el archivo.enven un editor de texto (por ejemplo, VS Code, Notepad++, o cualquier otro editor). Agrega la siguiente línea al archivo, reemplazandoyour_github_token_herecon tu token real de GitHub:GITHUB_TOKEN=your_github_token_here
-
Guarda el archivo: Guarda los cambios y cierra el editor de texto.
-
Instala
python-dotenv: Si aún no lo has hecho, necesitas instalar el paquetepython-dotenvpara cargar las variables de entorno desde el archivo.enven tu aplicación de Python. Puedes instalarlo usandopip:pip install python-dotenv
-
Carga las variables de entorno en tu script de Python: En tu script de Python, usa el paquete
python-dotenvpara cargar las variables de entorno desde el archivo.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)
¡Eso es todo! Has creado correctamente un archivo .env, agregado tu token de GitHub y lo has cargado en tu aplicación de Python.
Para ejecutar el código localmente en tu computadora, necesitas tener alguna versión de Python instalada.
Luego, para usar el repositorio, necesitas clonarlo:
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginners¡Una vez que tengas todo listo, puedes comenzar!
Miniconda es un instalador ligero para instalar Conda, Python y algunos paquetes.
Conda es un gestor de paquetes que facilita la configuración y el cambio entre diferentes entornos virtuales de Python y paquetes. También es útil para instalar paquetes que no están disponibles vía pip.
Puedes seguir la guía de instalación de MiniConda para configurarlo.
Con Miniconda instalado, necesitas clonar el repositorio (si aún no lo has hecho).
Luego, necesitas crear un entorno virtual. Para hacerlo con Conda, crea un nuevo archivo de entorno (environment.yml). Si estás siguiendo los pasos usando Codespaces, crea esto dentro del directorio .devcontainer, es decir, .devcontainer/environment.yml.
Llena tu archivo de entorno con el siguiente fragmento:
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-mlSi encuentras errores usando conda, puedes instalar manualmente las librerías de Microsoft AI usando el siguiente comando en una terminal.
conda install -c microsoft azure-ai-ml
El archivo de entorno especifica las dependencias que necesitamos. <environment-name> se refiere al nombre que quieres usar para tu entorno de Conda, y <python-version> es la versión de Python que deseas usar, por ejemplo, 3 es la última versión principal de Python.
Con eso listo, puedes crear tu entorno de Conda ejecutando los siguientes comandos en tu línea de comandos/terminal
conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer sub path applies to only Codespace setups
conda activate ai4begConsulta la guía de entornos de Conda si tienes algún problema.
Recomendamos usar el editor Visual Studio Code (VS Code) con la extensión de soporte para Python instalada para este curso. Sin embargo, esto es solo una recomendación y no un requisito obligatorio.
Note: Al abrir el repositorio del curso en VS Code, tienes la opción de configurar el proyecto dentro de un contenedor. Esto es posible gracias al directorio especial
.devcontainerque se encuentra dentro del repositorio del curso. Más sobre esto más adelante.
Note: Una vez que clones y abras el directorio en VS Code, automáticamente te sugerirá instalar una extensión de soporte para Python.
Note: Si VS Code te sugiere volver a abrir el repositorio en un contenedor, rechaza esta solicitud para usar la versión de Python instalada localmente.
También puedes trabajar en el proyecto usando el entorno Jupyter directamente en tu navegador. Tanto el Jupyter clásico como Jupyter Hub ofrecen un entorno de desarrollo muy cómodo con funciones como autocompletado, resaltado de código, etc.
Para iniciar Jupyter localmente, ve al terminal/línea de comandos, navega al directorio del curso y ejecuta:
jupyter notebooko
jupyterhubEsto iniciará una instancia de Jupyter y la URL para acceder aparecerá en la ventana de la línea de comandos.
Una vez que accedas a la URL, deberías ver el índice del curso y poder navegar a cualquier archivo *.ipynb. Por ejemplo, 08-building-search-applications/python/oai-solution.ipynb.
Una alternativa a configurar todo en tu computadora o Codespace es usar un contenedor. La carpeta especial .devcontainer dentro del repositorio del curso permite que VS Code configure el proyecto dentro de un contenedor. Fuera de Codespaces, esto requerirá instalar Docker y, siendo sinceros, implica un poco de trabajo, así que solo lo recomendamos para quienes ya tienen experiencia trabajando con contenedores.
Una de las mejores formas de mantener seguras tus claves API al usar GitHub Codespaces es usando los Secrets de Codespace. Por favor, sigue la guía de gestión de secrets en Codespaces para aprender más sobre esto.
El curso tiene 6 lecciones de conceptos y 6 lecciones de codificación.
Para las lecciones de codificación, usamos el servicio Azure OpenAI. Necesitarás acceso al servicio Azure OpenAI y una clave API para ejecutar este código. Puedes solicitar acceso completando esta solicitud.
Mientras esperas que tu solicitud sea procesada, cada lección de codificación también incluye un archivo README.md donde puedes ver el código y los resultados.
Si es tu primera vez trabajando con el servicio Azure OpenAI, por favor sigue esta guía sobre cómo crear y desplegar un recurso de Azure OpenAI Service.
Si es tu primera vez trabajando con la API de OpenAI, por favor sigue la guía sobre cómo crear y usar la interfaz.
Hemos creado canales en nuestro servidor oficial de Discord de la Comunidad de IA para que puedas conocer a otros estudiantes. Es una excelente manera de conectar con otros emprendedores, desarrolladores, estudiantes y cualquier persona interesada en mejorar sus habilidades en IA Generativa.
El equipo del proyecto también estará en este servidor de Discord para ayudar a los estudiantes.
Este curso es una iniciativa de código abierto. Si ves áreas de mejora o encuentras problemas, por favor crea un Pull Request o reporta un issue en GitHub.
El equipo del proyecto hará seguimiento de todas las contribuciones. Contribuir a proyectos de código abierto es una excelente manera de impulsar tu carrera en IA Generativa.
La mayoría de las contribuciones requieren que aceptes un Acuerdo de Licencia de Colaborador (CLA), declarando que tienes el derecho y realmente nos concedes los derechos para usar tu contribución. Para más detalles, visita el sitio web del CLA, Contributor License Agreement.
Importante: al traducir texto en este repositorio, por favor asegúrate de no usar traducción automática. Verificaremos las traducciones a través de la comunidad, así que solo ofrece tu ayuda para traducir a idiomas en los que seas competente.
Cuando envíes un pull request, un bot de CLA determinará automáticamente si necesitas aceptar un CLA y marcará el PR adecuadamente (por ejemplo, con una etiqueta o comentario). Simplemente sigue las instrucciones que te indique el bot. Solo tendrás que hacer esto una vez para todos los repositorios que usen nuestro CLA.
Este proyecto ha adoptado el Código de Conducta de Código Abierto de Microsoft. Para más información, lee las preguntas frecuentes del Código de Conducta o contacta a Email opencode si tienes preguntas o comentarios adicionales.
Ahora que has completado los pasos necesarios para terminar este curso, vamos a comenzar con una introducción a la IA generativa y los LLMs.
Descargo de responsabilidad:
Este documento ha sido traducido utilizando el servicio de traducción por IA Co-op Translator. Aunque nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda la traducción profesional humana. No nos hacemos responsables de cualquier malentendido o interpretación incorrecta que surja del uso de esta traducción.