菜单

课程结构与设置

相关源文件

本文档概述了“生成式AI入门”课程的结构,并提供了设置开发环境的详细说明。它涵盖了课程组织、存储库结构和技术设置要求,以确保您能够成功完成课程。

有关特定开发环境配置的信息,请参阅开发环境

课程组织

“生成式AI入门”课程共包含21个综合课程,旨在教授生成式AI的基础概念和实际应用。课程结构循序渐进,从核心概念开始,逐步深入到更高级的主题。

来源:README.md67-92

课程格式

课程中的每个课程都遵循一致的格式,包括

  • 简短的视频介绍
  • 书面课程,位于 README 文件中
  • Python 和 TypeScript 代码示例,支持 Azure OpenAI 和 OpenAI API
  • 额外资源链接,用于持续学习

课程被标记为

  • 学习课程,解释生成式AI概念
  • 构建课程,包括解释和实际代码示例

来源:README.md25-29 README.md61-66

存储库结构

存储库组织清晰,提供一致的学习体验。每个课程都在其自己的目录中,并具有标准化的结构。

来源:README.md1-117 00-course-setup/README.md

设置要求

在开始课程之前,您需要

  1. GitHub 账户:用于 fork 存储库和访问 GitHub Codespaces
  2. API 访问:选择以下选项之一
    • Azure OpenAI 服务
    • OpenAI API
    • GitHub Marketplace 模型目录
  3. Python 知识:了解 Python 或 TypeScript 的基础知识会很有帮助

来源:README.md32-39

设置开发环境

1. Fork 仓库

要开始,您需要将存储库 fork 到您自己的 GitHub 账户

  1. 访问Generative AI for Beginners 存储库
  2. 点击右上角的“Fork”按钮
  3. 给存储库加星(🌟)以便以后更容易找到

来源:00-course-setup/README.md11-13

2. 开发环境选项

您有多种选择来设置您的开发环境

来源:00-course-setup/README.md16-22 00-course-setup/README.md77-171

GitHub Codespaces 提供了一个云端开发环境,所有依赖项都已预先配置好

  1. 从您 fork 的存储库中,点击“Code”按钮
  2. 选择“Codespaces”选项卡
  3. 点击“Create codespace on main”

这将创建一个云端开发环境,其中已安装所有必需的依赖项。

来源:00-course-setup/README.md16-22

选项 2:本地 Python 安装

要在本地运行代码

  1. 安装 Python
  2. Clone 你的 fork 后的存储库
  3. 安装依赖项

来源:00-course-setup/README.md77-89

选项 3:Miniconda(可选)

为了更好地管理 Python 环境

  1. 安装 Miniconda
  2. 创建 conda 环境

来源:00-course-setup/README.md92-136

选项 4:容器设置

面向偏爱容器化环境的高级用户

  1. 安装 Docker Desktop
  2. 在 VS Code 中打开存储库
  3. 在提示时,选择“Reopen in Container”(在容器中重新打开)

来源:00-course-setup/README.md167-171

3. API 设置与配置

大多数编码课程需要访问语言模型的 API。您有三个主要选项:

来源:README.md32-36 00-course-setup/README.md174-178

设置 API 密钥

为了安全地存储您的 API 密钥

  1. 通过复制 .env.copy 模板,创建 .env 文件

  2. 将您的 API 密钥添加到 .env 文件中

    # OpenAI Provider
    OPENAI_API_KEY='<your-openai-key>'
    
    ## Azure OpenAI
    AZURE_OPENAI_API_VERSION='2024-02-01'
    AZURE_OPENAI_API_KEY='<your-azure-openai-key>'
    AZURE_OPENAI_ENDPOINT='<your-azure-openai-endpoint>'
    AZURE_OPENAI_DEPLOYMENT='<your-deployment-name>'
    AZURE_OPENAI_EMBEDDINGS_DEPLOYMENT='<your-embeddings-deployment>'
    
    ## Hugging Face
    HUGGING_FACE_API_KEY='<your-huggingface-token>'
    
  3. 切勿将此文件提交到您的存储库,以确保密钥安全

来源:00-course-setup/README.md46-53 .env.copy1-12

Azure OpenAI 配置

如果使用 Azure OpenAI

  1. Azure Portal 中创建 Azure OpenAI 资源
  2. 如果尚未申请,请申请 Azure OpenAI 访问权限
  3. 在 Azure OpenAI Studio 中部署您需要的模型
  4. 从 Azure Portal 的“Keys and Endpoint”(密钥和终结点)部分复制您的终结点和 API 密钥

来源:00-course-setup/README.md85-188

运行课程

每个课程都包含代码示例和练习。要运行它们

  1. 导航到课程目录
  2. 打开相应的 notebook 或代码文件
  3. 如果使用 notebook,请选择 Python 内核
  4. 运行代码单元格以执行示例

对于特定作业,请遵循每个课程 README 文件中的说明。

来源:00-course-setup/README.md173-188

技术要求表

以下是课程技术要求的摘要

组件必填选项
GitHub 账户创建免费账户
PythonPython 3.x(推荐 3.10+)
API 访问Azure OpenAI、OpenAI API 或 GitHub Models
开发环境GitHub Codespaces、本地安装、容器
VS Code(可选)推荐以获得最佳体验
API 密钥存储在 .env 文件中

来源: README.md32-39 00-course-setup/README.md173-188

获取帮助

如果您在设置过程中需要帮助或对课程有疑问

  1. 请加入 AI Community Discord 服务器
  2. 请在 GitHub repository 提出 issue

项目团队和社区成员将全程协助您的学习之旅。

来源: README.md48-50 00-course-setup/README.md189-196

下一步

完成设置后,您就可以开始学习了!请从 Lesson 1 开始您的生成式 AI 之旅。

来源: 00-course-setup/README.md211-213