Skip to content

README.md

Latest commit

 

History

History
239 lines (150 loc) · 21.1 KB

README.md

File metadata and controls

239 lines (150 loc) · 21.1 KB
Raw

เริ่มต้นกับคอร์สนี้

เราตื่นเต้นมากที่คุณจะได้เริ่มต้นคอร์สนี้ และอยากเห็นว่าคุณจะได้รับแรงบันดาลใจในการสร้างอะไรกับ Generative AI!

เพื่อให้คุณประสบความสำเร็จ หน้านี้จะอธิบายขั้นตอนการตั้งค่า ข้อกำหนดทางเทคนิค และช่องทางขอความช่วยเหลือหากจำเป็น

ขั้นตอนการตั้งค่า

เพื่อเริ่มเรียนคอร์สนี้ คุณต้องทำตามขั้นตอนต่อไปนี้

1. Fork Repo นี้

Fork repo นี้ทั้งหมด ไปยังบัญชี GitHub ของคุณเอง เพื่อให้คุณสามารถแก้ไขโค้ดและทำโจทย์ต่าง ๆ ได้ คุณยังสามารถ กดดาว (🌟) repo นี้ เพื่อกลับมาค้นหา repo นี้และ repo ที่เกี่ยวข้องได้ง่ายขึ้น

2. สร้าง codespace

เพื่อหลีกเลี่ยงปัญหา dependency เวลารันโค้ด เราแนะนำให้คุณเรียนคอร์สนี้ใน GitHub Codespaces

ใน repo ที่คุณ fork: Code -> Codespaces -> New on main

Dialog showing buttons to create a codespace

2.1 เพิ่ม secret

  1. ⚙️ ไอคอนรูปเฟือง -> Command Pallete-> Codespaces : Manage user secret -> Add a new secret
  2. ตั้งชื่อว่า OPENAI_API_KEY, วาง key ของคุณ, กด Save

3. ต่อไปทำอะไรดี?

ฉันต้องการ… ไปที่…
เริ่มบทเรียนที่ 1 01-introduction-to-genai
ทำงานแบบออฟไลน์ setup-local.md
ตั้งค่า LLM Provider providers.md
พบปะผู้เรียนคนอื่น เข้าร่วม Discord ของเรา

การแก้ไขปัญหา

อาการ วิธีแก้
Container build ค้าง > 10 นาที Codespaces ➜ “Rebuild Container”
python: command not found Terminal ไม่ได้แนบ; คลิก + ➜ bash
401 Unauthorized จาก OpenAI OPENAI_API_KEY ผิดหรือหมดอายุ
VS Code แสดง “Dev container mounting…” รีเฟรชแท็บเบราว์เซอร์—Codespaces บางครั้งหลุดการเชื่อมต่อ
ไม่พบ Notebook kernel เมนู Notebook ➜ Kernel ▸ Select Kernel ▸ Python 3

ระบบ Unix-based:

touch .env

Windows:

echo . > .env

  1. แก้ไขไฟล์ .env: เปิดไฟล์ .env ใน text editor (เช่น VS Code, Notepad++ หรือ editor อื่น ๆ) เพิ่มบรรทัดต่อไปนี้ลงในไฟล์ โดยแทนที่ your_github_token_here ด้วย GitHub token ของคุณจริง ๆ:

    GITHUB_TOKEN=your_github_token_here

  2. บันทึกไฟล์: บันทึกการเปลี่ยนแปลงและปิด text editor

  3. ติดตั้ง python-dotenv: หากคุณยังไม่ได้ติดตั้ง คุณต้องติดตั้งแพ็กเกจ python-dotenv เพื่อโหลด environment variables จากไฟล์ .env เข้าแอป Python ของคุณ สามารถติดตั้งได้ด้วย pip:

    pip install python-dotenv

  4. โหลด Environment Variables ใน Python Script ของคุณ: ในสคริปต์ Python ของคุณ 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)

เรียบร้อย! คุณได้สร้างไฟล์ .env เพิ่ม GitHub token ของคุณ และโหลดเข้าแอป Python แล้ว

วิธีรันโค้ดบนคอมพิวเตอร์ของคุณ

หากต้องการรันโค้ดบนคอมพิวเตอร์ของคุณเอง คุณต้องมี Python ติดตั้งอยู่ บางเวอร์ชัน

จากนั้นเพื่อใช้งาน repository นี้ คุณต้อง clone มันมาก่อน:

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

เมื่อคุณมีทุกอย่างพร้อมแล้ว ก็เริ่มต้นได้เลย!

ขั้นตอนเสริม

การติดตั้ง Miniconda

Miniconda เป็นตัวติดตั้งขนาดเล็กสำหรับ Conda, Python และแพ็กเกจบางตัว Conda เองเป็นตัวจัดการแพ็กเกจ ที่ช่วยให้ตั้งค่าและสลับระหว่าง virtual environments และแพ็กเกจต่าง ๆ ได้ง่าย นอกจากนี้ยังสะดวกสำหรับติดตั้งแพ็กเกจที่ไม่มีใน pip

คุณสามารถดู คู่มือการติดตั้ง MiniConda เพื่อเริ่มต้นได้

เมื่อคุณติดตั้ง Miniconda แล้ว ให้ clone repository (ถ้ายังไม่ได้ทำ)

ถัดไป คุณต้องสร้าง virtual environment โดยใช้ Conda ให้สร้างไฟล์ environment ใหม่ (environment.yml) ถ้าคุณใช้ Codespaces ให้สร้างไฟล์นี้ในโฟลเดอร์ .devcontainer เช่น .devcontainer/environment.yml

เติมเนื้อหาในไฟล์ 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 ได้เอง

conda install -c microsoft azure-ai-ml

ไฟล์ environment จะระบุ dependencies ที่เราต้องใช้ <environment-name> คือชื่อ environment ที่คุณต้องการตั้ง และ <python-version> คือเวอร์ชัน Python ที่ต้องการ เช่น 3 คือเวอร์ชันหลักล่าสุดของ Python

เมื่อเสร็จแล้ว ให้สร้าง Conda environment โดยรันคำสั่งด้านล่างใน command line/terminal

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

หากเจอปัญหาใด ๆ ดู คู่มือ Conda environments

ใช้ Visual Studio Code พร้อมส่วนขยาย Python

เราแนะนำให้ใช้ Visual Studio Code (VS Code) พร้อม ส่วนขยาย Python สำหรับคอร์สนี้ แต่ก็เป็นเพียงคำแนะนำ ไม่ใช่ข้อบังคับ

Note: เมื่อเปิด repository คอร์สใน VS Code คุณสามารถตั้งค่าโปรเจกต์ใน container ได้ เพราะมี โฟลเดอร์ .devcontainer พิเศษ อยู่ใน repo นี้ รายละเอียดเพิ่มเติมจะกล่าวถึงภายหลัง

Note: เมื่อคุณ clone และเปิดโฟลเดอร์ใน VS Code ระบบจะแนะนำให้ติดตั้งส่วนขยาย Python อัตโนมัติ

Note: หาก VS Code แนะนำให้เปิด repo ใน container ให้ปฏิเสธ เพื่อใช้ Python ที่ติดตั้งในเครื่องของคุณ

ใช้ Jupyter ในเบราว์เซอร์

คุณสามารถทำโปรเจกต์นี้ผ่าน Jupyter environment ในเบราว์เซอร์ได้เลย ทั้ง Jupyter แบบคลาสสิกและ Jupyter Hub ให้ประสบการณ์พัฒนาโค้ดที่ดี เช่น auto-completion, code highlighting ฯลฯ

หากต้องการเริ่ม Jupyter ในเครื่อง ให้เปิด terminal/command line ไปยังโฟลเดอร์คอร์ส แล้วรันคำสั่ง:

jupyter notebook

หรือ

jupyterhub

จะมี Jupyter instance เริ่มทำงาน และแสดง URL สำหรับเข้าใช้งานในหน้าต่าง command line

เมื่อเข้า URL ดังกล่าว คุณจะเห็นโครงสร้างคอร์ส และสามารถเข้าไปยังไฟล์ *.ipynb ใดก็ได้ เช่น 08-building-search-applications/python/oai-solution.ipynb

รันใน container

อีกทางเลือกหนึ่งนอกจากตั้งค่าทุกอย่างในเครื่องหรือ Codespace คือใช้ container โฟลเดอร์ .devcontainer พิเศษใน repo นี้ ช่วยให้ VS Code ตั้งค่าโปรเจกต์ใน container ได้ นอก Codespaces คุณต้องติดตั้ง Docker และอาจต้องใช้ความชำนาญ จึงแนะนำสำหรับผู้ที่มีประสบการณ์กับ container เท่านั้น

หนึ่งในวิธีที่ดีที่สุดในการเก็บ API key ให้ปลอดภัยเมื่อใช้ GitHub Codespaces คือใช้ Codespace Secrets โปรดดู คู่มือการจัดการ Codespaces secrets เพื่อเรียนรู้เพิ่มเติม

บทเรียนและข้อกำหนดทางเทคนิค

คอร์สนี้มีบทเรียนแนวคิด 6 บท และบทเรียนโค้ด 6 บท

สำหรับบทเรียนโค้ด เราใช้ Azure OpenAI Service คุณต้องมีสิทธิ์เข้าถึง Azure OpenAI service และ API key เพื่อรันโค้ดนี้ คุณสามารถขอสิทธิ์ได้โดย กรอกแบบฟอร์มนี้

ระหว่างรอการอนุมัติ ในแต่ละบทเรียนโค้ดจะมีไฟล์ README.md ให้คุณดูโค้ดและผลลัพธ์ได้

การใช้ Azure OpenAI Service ครั้งแรก

ถ้านี่เป็นครั้งแรกที่คุณใช้ Azure OpenAI service โปรดดูคู่มือวิธี สร้างและ deploy Azure OpenAI Service resource

การใช้ OpenAI API ครั้งแรก

ถ้านี่เป็นครั้งแรกที่คุณใช้ OpenAI API โปรดดูคู่มือวิธี สร้างและใช้งาน Interface

พบปะผู้เรียนคนอื่น

เราได้สร้างช่องทางใน AI Community Discord server อย่างเป็นทางการ สำหรับพบปะผู้เรียนคนอื่น ๆ นี่เป็นโอกาสดีในการสร้างเครือข่ายกับผู้ประกอบการ นักพัฒนา นักศึกษา และทุกคนที่อยากพัฒนาทักษะด้าน Generative AI

Join discord channel

ทีมงานโปรเจกต์จะอยู่ใน Discord server นี้เพื่อช่วยเหลือผู้เรียนด้วย

มีส่วนร่วม

คอร์สนี้เป็นโครงการ open-source หากคุณเห็นจุดที่ควรปรับปรุงหรือพบปัญหา โปรดสร้าง Pull Request หรือแจ้ง GitHub issue

ทีมงานจะติดตามทุกการมีส่วนร่วม การร่วมพัฒนา open source เป็นวิธีที่ยอดเยี่ยมในการสร้างเส้นทางอาชีพในสาย Generative AI

การมีส่วนร่วมส่วนใหญ่จะต้องให้คุณยอมรับ Contributor License Agreement (CLA) เพื่อยืนยันว่าคุณมีสิทธิ์และอนุญาตให้เราใช้ผลงานของคุณ รายละเอียดดูที่ เว็บไซต์ CLA, Contributor License Agreement

สำคัญ: เมื่อแปลเนื้อหาใน repo นี้ กรุณาอย่าใช้เครื่องมือแปลภาษา เราจะตรวจสอบการแปลผ่านชุมชน ดังนั้นโปรดอาสาแปลเฉพาะภาษาที่คุณถนัดจริง ๆ

เมื่อคุณส่ง pull request, CLA-bot จะตรวจสอบโดยอัตโนมัติว่าคุณต้องยื่น CLA หรือไม่ และจะติดป้ายกำกับหรือคอมเมนต์ให้ทำตามคำแนะนำของ bot คุณต้องทำขั้นตอนนี้เพียงครั้งเดียวสำหรับทุก repo ที่ใช้ CLA ของเรา

โปรเจกต์นี้ใช้ Microsoft Open Source Code of Conduct ดูข้อมูลเพิ่มเติมได้ที่ Code of Conduct FAQ หรืออีเมล Email opencode หากมีคำถามหรือข้อเสนอแนะ

มาเริ่มกันเลย!

เมื่อคุณได้ทำตามขั้นตอนที่จำเป็นเพื่อจบคอร์สนี้แล้ว มาเริ่มต้นกันด้วยการทำความรู้จักกับ Generative AI และ LLMs ได้ที่นี่ แนะนำ Generative AI และ LLMs

ข้อจำกัดความรับผิดชอบ: เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้เราจะพยายามให้การแปลถูกต้องที่สุด แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลสำคัญ แนะนำให้ใช้บริการแปลโดยนักแปลมืออาชีพ ทางเราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่เกิดจากการใช้การแปลนี้