Generative AI für Einsteiger

 (microsoft.github.io)
1 Punkte von GN⁺ 2023-11-25 | 1 Kommentare | Auf WhatsApp teilen
  • Ein Einsteigerkurs von Microsoft Cloud Advocates mit 21 Lektionen, der Entwicklerinnen und Entwicklern, die erstmals eine Generative-AI-App bauen, den Weg vom Konzept bis zur Umsetzung zeigt
  • Die Lektionen sind in das theorieorientierte Learn und Build mit Codebeispielen unterteilt; wenn möglich werden Beispiele für Python und TypeScript gemeinsam bereitgestellt
  • Übungen lassen sich mit Azure OpenAI Service, dem GitHub Marketplace Model Catalog oder der OpenAI API ausführen, was eine breite Auswahl an Lernumgebungen bietet
  • Jede Lektion besteht aus einer kurzen Videoeinführung, README-Dokumentation, Codebeispielen und weiterführenden Links, sodass sie sich gut unabhängig voneinander lernen lässt
  • Es werden Übersetzungen in mehr als 50 Sprachen angeboten, aber beim lokalen Klonen kann das Repository dadurch groß werden; um Übersetzungsdateien auszuschließen, ist sparse checkout nützlich

Ein Einsteigerkurs mit 21 Lektionen

  • Generative AI for Beginners ist ein von Microsoft Cloud Advocates erstellter Einsteigerkurs für Generative-AI-Anwendungen
  • Er besteht aus insgesamt 21 Lektionen, von denen jede ein eigenständiges Thema behandelt, sodass man an jeder gewünschten Stelle beginnen kann
  • Es gibt zwei Lektionstypen
    • Learn: erklärt Konzepte rund um Generative AI
    • Build: behandelt Konzepte zusammen mit Codebeispielen
  • Wenn möglich, werden Codebeispiele in Python und TypeScript bereitgestellt
  • .NET-Entwickler können Generative AI for Beginners (.NET Edition) nutzen
  • Jede Lektion enthält einen Abschnitt Keep Learning mit weiterführenden Lernmaterialien

Voraussetzungen für die Übungen

  • Zum Ausführen des Kurscodes kann eines der folgenden Angebote verwendet werden
  • Grundkenntnisse in Python oder TypeScript helfen beim Lernen
    • Wer ganz am Anfang steht, kann sich zuerst die Kurse zu Python und TypeScript ansehen
  • Um das gesamte Repository in den eigenen Account zu forken, wird ein GitHub-Konto benötigt
  • Die Einrichtung der Entwicklungsumgebung wird in der Lektion Course Setup behandelt

Übersetzungsunterstützung und Optimierung lokaler Klone

  • Der Kurs umfasst Übersetzungen in mehr als 50 Sprachen und stellt Übersetzungen bereit, die per GitHub Action automatisch aktuell gehalten werden
  • Zu den unterstützten Sprachen gehören unter anderem Arabisch, Chinesisch, Französisch, Deutsch, Hindi, Japanisch, Koreanisch, Spanisch und Vietnamesisch
  • Durch die Übersetzungsdateien kann die Downloadgröße des Repositorys deutlich wachsen
  • Für ein schnelles Klonen ohne Übersetzungen lassen sich per sparse checkout translations und translated_images ausschließen
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'

Grundstruktur der Lektionen

  • Jede Lektion enthält die folgenden Elemente
    • eine kurze Videoeinführung in das Thema
    • eine dokumentationsartige Lektion auf README-Basis
    • Python- und TypeScript-Codebeispiele mit Unterstützung für Azure OpenAI und die OpenAI API
    • Ressourcenlinks für weiterführendes Lernen

Gesamter Lektionablauf

Zusätzliche Materialien und Möglichkeiten zur Beteiligung

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2023-11-25
Hacker-News-Kommentare

  • Ich suche nach Empfehlungen für Vorlesungen oder Büchern, die nicht behandeln, wie man generative AI benutzt, sondern wie sie tatsächlich funktioniert

  • Ich frage mich, ob es einen Lernpfad für Leute gibt, die noch nie etwas mit AI/ML gemacht haben.
    Ich habe ChatGPT gefragt, und es hat empfohlen, mit linearer Algebra anzufangen, dann mit Analysis, Wahrscheinlichkeit und Statistik weiterzumachen, gefolgt von Grundlagen des Machine Learning in Phase 2 und Deep Learning sowie neuronalen Netzen in Phase 3.
    Ich weiß nicht, wie gut dieser Vorschlag ist, und ich bin Softwareentwickler.

    • Das ist nicht der richtige Weg, um die Grundlagen von Deep Learning zu lernen.
      Man sollte einfach Andrew Ngs Coursera-Kurse Intro to Machine Learning und Deep Learning hören.
      Ich habe auch gehört, dass Goodfellow et al., Deep Learning, ziemlich gut sein soll, habe es aber selbst nicht gelesen.
      Wenn man einen kompletten Standardkurs in Analysis oder linearer Algebra noch einmal vollständig durchgeht, verschwendet man Zeit.
      Besser ist es, nur die relevante Mathematik zu lernen, die in den ersten Kapiteln von AI-Kursen oder Deep-Learning-Büchern vermittelt wird, und 90 % des irrelevanten Stoffs aus Einführungsveranstaltungen zu überspringen.
      Das sage ich als jemand, der vor etwa zehn Jahren neuronale Netze von Grund auf selbst gebaut hat
    • Ich mag lineare Algebra viel lieber als Analysis, habe aber das Gefühl, dass man für einen ordentlichen Kurs in linearer Algebra ein gewisses Maß an mathematischer Reife braucht, das oft durch Analysis aufgebaut wird.
      Wenn man Analysis kennt, kann man in Approximationstheorie wie Padé-Approximationen einsteigen; das ist ein wunderschönes Gebiet, in dem Analysis und lineare Algebra zusammenkommen.
      Wie auch immer: Schaum's Outline of Linear Algebra ist wahrscheinlich das beste Buch zur linearen Algebra, das ich bisher gelesen habe, und es streift auch ein wenig abstrakte Algebra
    • Es hängt stark davon ab, was du tatsächlich willst.
      1. Vorhandene Modelle verwenden: Der einfachste Weg sind meist kostenpflichtige Webdienste, der schwierigere Weg ist eine lokale Installation, wofür man einen guten Computer braucht.
      2. Verstehen, wie Modelle funktionieren
      3. Allgemein verstehen, wohin sich dieser Bereich entwickelt
      4. Bestehende Modelle trainieren oder feinabstimmen können
        4.1 Frameworks zur Modellerstellung bauen
        4.2 Frameworks für Tests, Training, Inferenz usw. bauen
      5. Modelldesign: Das ist je nach Fachgebiet sehr unterschiedlich, daher muss man sich spezialisieren, wenn man tief einsteigen will.
      6. Endlich AGI bauen
        Für all das braucht man jeweils unterschiedliche Fähigkeiten.
        Für manches reicht es, nur die Nachrichten zu verfolgen, für anderes braucht man Coding-Skills, und bei wieder anderem sind Theorie oder Philosophie wichtiger.
        Man kann nicht alles haben, aber selbst ohne einschlägige Vorkenntnisse kann man wahrscheinlich die ersten vier Punkte erreichen.
        Natürlich ist der einfachste Weg der, ein Ethik-„Experte“ zu werden
    • Es kommt darauf an, ob du AI benutzen oder bauen willst.
      Im zweiten Fall ist die Empfehlung von ChatGPT ein guter Startpunkt, im ersten Fall sind solche Kurse ein guter Einstieg
    • Ich empfehle Andrej Karpathys zero to hero course.
      Er ist wirklich sehr gut, besteht aus 8 Videovorlesungen, und man kann direkt im eigenen Jupyter Notebook mitmachen.
      Jede Vorlesung dauert etwa 1 bis 2 Stunden

  • Wenn man sich das Entwicklungstempo und die Geschwindigkeit ansieht, mit der neue Paradigmen erkundet werden, wirkt dieser Kurs so, als würde er sehr schnell veralten.
    Ich habe vor zwei Jahren generative AI gelernt, und die Tools, die ich damals benutzt habe, sind inzwischen alle veraltet

  • Ich frage mich, ob es auf der Open-Source-Seite etwas Ähnliches gibt

  • Das wirkt auf mich zu sehr wie Azure-Marketing

  • Wenn du nach einem praktischen Leitfaden suchst, wie man LLMs benutzt, kann ich Jeremy Howards "Hackers Guide to language models" sehr empfehlen.
    Das ist ein 1,5-stündiges Video voller praktischer Informationen: https://youtu.be/jkrNMKz9pWU

  • Dafür scheint man Azure-OpenAI-Zugriff zu brauchen, aber ich glaube nicht, dass Privatnutzer den bekommen können; das ist wohl nur für einige Unternehmenskunden offen

  • Das liest sich zu sehr wie Marketingmaterial, deshalb verstehe ich nicht ganz, warum das hier gepostet wurde

    • Ich verstehe nicht, welcher Teil daran wie Marketing wirkt.
      Ich habe den Inhalt überflogen, und für Techniker, die gerade erst in die Technologie einsteigen, wirkt er ziemlich umfassend