Arab | Bengali | Bulgaria | Burmese (Myanmar) | Cina (Sederhana) | Cina (Tradisional, Hong Kong) | Cina (Tradisional, Macau) | Cina (Tradisional, Taiwan) | Kroasia | Ceko | Denmark | Belanda | Estonia | Finlandia | Perancis | Jerman | Yunani | Ibrani | Hindi | Hongaria | Indonesia | Italia | Jepang | Kannada | Korea | Lituania | Melayu | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegia | Persia (Farsi) | Polandia | Portugis (Brasil) | Portugis (Portugal) | Punjabi (Gurmukhi) | Rumania | Rusia | Serbia (Sirilik) | Slovakia | Slovenia | Spanyol | Swahili | Swedia | Tagalog (Filipina) | Tamil | Telugu | Thai | Turki | Ukraina | Urdu | Vietnam
Lebih Suka Clone Secara Lokal?
Repositori ini mencakup lebih dari 50 terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk clone tanpa terjemahan, gunakan sparse checkout:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/generative-ai-for-beginners.git cd generative-ai-for-beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/generative-ai-for-beginners.git cd generative-ai-for-beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"Ini memberikan semua yang Anda butuhkan untuk menyelesaikan kursus dengan unduhan lebih cepat.
Pelajari dasar-dasar membangun aplikasi Generative AI dengan kursus komprehensif 21 pelajaran dari Microsoft Cloud Advocates.
Kursus ini memiliki 21 pelajaran. Setiap pelajaran membahas topiknya sendiri sehingga mulailah dari mana saja yang Anda suka!
Pelajaran diberi label sebagai pelajaran "Learn" yang menjelaskan konsep Generative AI atau pelajaran "Build" yang menjelaskan konsep dan contoh kode dalam Python dan TypeScript jika memungkinkan.
Untuk pengembang .NET lihat Generative AI untuk Pemula (Edisi .NET)!
Setiap pelajaran juga menyertakan bagian "Keep Learning" dengan alat pembelajaran tambahan.
-
Azure OpenAI Service - Pelajaran: "aoai-assignment"
-
GitHub Marketplace Model Catalog - Pelajaran: "githubmodels"
-
OpenAI API - Pelajaran: "oai-assignment"
-
Pengetahuan dasar Python atau TypeScript sangat membantu - *Untuk pemula mutlak lihat kursus Python dan TypeScript
-
Akun GitHub untuk fork seluruh repo ini ke akun GitHub Anda sendiri
Kami telah membuat pelajaran Course Setup untuk membantu Anda dalam menyiapkan lingkungan pengembangan Anda.
Jangan lupa untuk bintang (🌟) repo ini agar mudah menemukannya nanti.
Jika Anda mencari contoh kode yang lebih maju, lihat koleksi kami Generative AI Code Samples dalam Python dan TypeScript.
Bergabunglah dengan server Discord resmi Azure AI Foundry untuk bertemu dan berjejaring dengan pelajar lain yang mengikuti kursus ini dan mendapatkan dukungan.
Ajukan pertanyaan atau bagikan umpan balik produk di Azure AI Foundry Developer Forum di Github.
Kunjungi Microsoft for Startups untuk mengetahui cara memulai membangun dengan kredit Azure hari ini.
Apakah Anda memiliki saran atau menemukan kesalahan ejaan atau kode? Buat masalah atau Buat pull request
- Video pengantar singkat tentang topik
- Pelajaran tertulis yang terletak di README
- Contoh kode Python dan TypeScript yang mendukung Azure OpenAI dan OpenAI API
- Tautan ke sumber tambahan untuk melanjutkan pembelajaran Anda
| # | Link Pelajaran | Deskripsi | Video | Pembelajaran Tambahan |
|---|---|---|---|---|
| 00 | Course Setup | Belajar: Cara Mengatur Lingkungan Pengembangan Anda | Video Segera Hadir | Pelajari Lebih Lanjut |
| 01 | Pengantar Generative AI dan LLMs | Belajar: Memahami apa itu Generative AI dan bagaimana Large Language Models (LLM) bekerja. | Video | Pelajari Lebih Lanjut |
| 02 | Menjelajahi dan membandingkan LLM yang berbeda | Belajar: Cara memilih model yang tepat untuk kasus penggunaan Anda | Video | Pelajari Lebih Lanjut |
| 03 | Menggunakan Generative AI dengan Tanggung Jawab | Belajar: Cara membangun aplikasi Generative AI secara bertanggung jawab | Video | Pelajari Lebih Lanjut |
| 04 | Memahami Dasar-dasar Rekayasa Prompt | Pelajari: Praktik Terbaik Rekayasa Prompt Secara Langsung | Video | Pelajari Lebih Lanjut |
| 05 | Membuat Prompt Lanjutan | Pelajari: Cara menerapkan teknik rekayasa prompt yang meningkatkan hasil dari prompt Anda. | Video | Pelajari Lebih Lanjut |
| 06 | Membangun Aplikasi Generasi Teks | Bangun: Aplikasi generasi teks menggunakan Azure OpenAI / OpenAI API | Video | Pelajari Lebih Lanjut |
| 07 | Membangun Aplikasi Chat | Bangun: Teknik untuk membangun dan mengintegrasikan aplikasi chat dengan efisien. | Video | Pelajari Lebih Lanjut |
| 08 | Membangun Aplikasi Pencarian dengan Database Vektor | Bangun: Aplikasi pencarian yang menggunakan Embeddings untuk mencari data. | Video | Pelajari Lebih Lanjut |
| 09 | Membangun Aplikasi Generasi Gambar | Bangun: Aplikasi generasi gambar | Video | Pelajari Lebih Lanjut |
| 10 | Membangun Aplikasi AI Low Code | Bangun: Aplikasi Generative AI menggunakan alat Low Code | Video | Pelajari Lebih Lanjut |
| 11 | Mengintegrasikan Aplikasi Eksternal dengan Function Calling | Bangun: Apa itu function calling dan kegunaannya untuk aplikasi | Video | Pelajari Lebih Lanjut |
| 12 | Merancang UX untuk Aplikasi AI | Pelajari: Cara menerapkan prinsip desain UX saat mengembangkan Aplikasi Generative AI | Video | Pelajari Lebih Lanjut |
| 13 | Mengamankan Aplikasi Generative AI Anda | Pelajari: Ancaman dan risiko pada sistem AI serta metode untuk mengamankan sistem tersebut. | Video | Pelajari Lebih Lanjut |
| 14 | Siklus Hidup Aplikasi Generative AI | Pelajari: Alat dan metrik untuk mengelola Siklus Hidup LLM dan LLMOps | Video | Pelajari Lebih Lanjut |
| 15 | Retrieval Augmented Generation (RAG) dan Database Vektor | Bangun: Aplikasi menggunakan Kerangka RAG untuk mengambil embeddings dari Database Vektor | Video | Pelajari Lebih Lanjut |
| 16 | Model Open Source dan Hugging Face | Bangun: Aplikasi menggunakan model open source yang tersedia di Hugging Face | Video | Pelajari Lebih Lanjut |
| 17 | Agen AI | Bangun: Aplikasi menggunakan Kerangka Agen AI | Video | Pelajari Lebih Lanjut |
| 18 | Fine-Tuning LLMs | Pelajari: Apa, mengapa, dan bagaimana fine-tuning LLM | Video | Pelajari Lebih Lanjut |
| 19 | Membangun dengan SLMs | Pelajari: Manfaat membangun dengan Small Language Models | Video Akan Segera Hadir | Pelajari Lebih Lanjut |
| 20 | Membangun dengan Model Mistral | Pelajari: Fitur dan perbedaan Model Keluarga Mistral | Video Akan Segera Hadir | Pelajari Lebih Lanjut |
| 21 | Membangun dengan Model Meta | Pelajari: Fitur dan perbedaan Model Keluarga Meta | Video Akan Segera Hadir | Pelajari Lebih Lanjut |
Terima kasih khusus untuk John Aziz yang telah membuat semua GitHub Actions dan alur kerja.
Bernhard Merkle yang memberikan kontribusi penting pada setiap pelajaran untuk meningkatkan pengalaman pembelajar dan kode.
Tim kami menghasilkan kursus lain! Lihat:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Jika Anda mengalami kebuntuan atau memiliki pertanyaan tentang membangun aplikasi AI. Bergabunglah dengan sesama pembelajar dan pengembang berpengalaman dalam diskusi tentang MCP. Ini adalah komunitas yang mendukung di mana pertanyaan diterima dan pengetahuan dibagikan dengan bebas.
Jika Anda memiliki masukan produk atau menemukan kesalahan saat membangun, kunjungi:
Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI Co-op Translator. Meskipun kami berupaya untuk mencapai akurasi, harap diingat bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang otoritatif. Untuk informasi penting, disarankan menggunakan terjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau salah tafsir yang timbul dari penggunaan terjemahan ini.