Zeitaufwand: Der gesamte Workshop kann online abgeschlossen werden, ohne lokale Einrichtung. Die Einrichtung der Umgebung dauert 2 Minuten, das Erkunden der Beispiele erfordert je nach Tiefe der Erkundung 1-3 Stunden.
Schnellstart
- Forken Sie dieses Repository in Ihrem GitHub-Konto
- Klicken Sie auf Code → Codespaces-Tab → ... → Neu mit Optionen...
- Verwenden Sie die Standardeinstellungen – dies wählt den für diesen Kurs erstellten Entwicklungscontainer aus
- Klicken Sie auf Codespace erstellen
- Warten Sie ~2 Minuten, bis die Umgebung bereit ist
- Springen Sie direkt zu Das erste Beispiel
Französisch | Spanisch | Deutsch | Russisch | Arabisch | Persisch (Farsi) | Urdu | Chinesisch (Vereinfacht) | Chinesisch (Traditionell, Macau) | Chinesisch (Traditionell, Hongkong) | Chinesisch (Traditionell, Taiwan) | Japanisch | Koreanisch | Hindi | Bengalisch | Marathi | Nepalesisch | Punjabi (Gurmukhi) | Portugiesisch (Portugal) | Portugiesisch (Brasilien) | Italienisch | Polnisch | Türkisch | Griechisch | Thailändisch | Schwedisch | Dänisch | Norwegisch | Finnisch | Niederländisch | Hebräisch | Vietnamesisch | Indonesisch | Malaiisch | Tagalog (Filipino) | Swahili | Ungarisch | Tschechisch | Slowakisch | Rumänisch | Bulgarisch | Serbisch (Kyrillisch) | Kroatisch | Slowenisch | Ukrainisch | Burmesisch (Myanmar)
- Kernkonzepte: Verständnis von großen Sprachmodellen, Tokens, Embeddings und KI-Fähigkeiten
- Java KI-Ökosystem: Überblick über Spring AI und OpenAI SDKs
- Model Context Protocol: Einführung in MCP und seine Rolle in der Kommunikation von KI-Agenten
- Praktische Anwendungen: Szenarien aus der Praxis, einschließlich Chatbots und Inhaltserstellung
- → Kapitel 1 starten
- Multi-Provider-Konfiguration: Einrichtung von GitHub Models, Azure OpenAI und OpenAI Java SDK-Integrationen
- Spring Boot + Spring AI: Best Practices für die Entwicklung von Unternehmens-KI-Anwendungen
- GitHub Models: Kostenloser Zugang zu KI-Modellen für Prototyping und Lernen (keine Kreditkarte erforderlich)
- Entwicklungswerkzeuge: Docker-Container, VS Code und GitHub Codespaces-Konfiguration
- → Kapitel 2 starten
- Prompt Engineering: Techniken für optimale Antworten von KI-Modellen
- Embeddings & Vektoroperationen: Implementierung von semantischer Suche und Ähnlichkeitsabgleich
- Retrieval-Augmented Generation (RAG): Kombination von KI mit eigenen Datenquellen
- Function Calling: Erweiterung der KI-Fähigkeiten mit benutzerdefinierten Tools und Plugins
- → Kapitel 3 starten
- Pet Story Generator (
petstory/): Kreative Inhaltserstellung mit GitHub Models - Foundry Local Demo (
foundrylocal/): Lokale KI-Modellintegration mit OpenAI Java SDK - MCP Calculator Service (
calculator/): Grundlegende Implementierung des Model Context Protocol mit Spring AI - → Kapitel 4 starten
- GitHub Models Sicherheit: Testen von eingebauten Inhaltsfiltern und Sicherheitsmechanismen (harte Blockierungen und weiche Ablehnungen)
- Responsible AI Demo: Praktisches Beispiel, das zeigt, wie moderne KI-Sicherheitssysteme in der Praxis funktionieren
- Best Practices: Wesentliche Richtlinien für ethische KI-Entwicklung und -Bereitstellung
- → Kapitel 5 starten
- MCP für Anfänger
- KI-Agenten für Anfänger
- Generative KI für Anfänger mit .NET
- Generative KI für Anfänger mit JavaScript
- Generative KI für Anfänger
- ML für Anfänger
- Datenwissenschaft für Anfänger
- KI für Anfänger
- Cybersicherheit für Anfänger
- Webentwicklung für Anfänger
- IoT für Anfänger
- XR-Entwicklung für Anfänger
- GitHub Copilot meistern für KI-gestütztes Programmieren
- GitHub Copilot meistern für C#/.NET-Entwickler
- Wählen Sie Ihr eigenes Copilot-Abenteuer
- RAG Chat App mit Azure AI Services
Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.