我们非常期待您开始学习本课程，并看到您受到启发，用生成式人工智能构建的作品！
为了让您的学习时间更加成功，我们创建了这个页面，概述了设置步骤、技术要求以及在需要帮助时如何获取帮助。
设置步骤
开始学习本课程，您需要完成以下步骤。
1. Fork 该仓库
将整个仓库 Fork 到您自己的 GitHub 账号中，以便能够更改任何代码并完成挑战。您还可以给该仓库添加星标（🌟），以便更轻松地找到它和相关的仓库。
2. 创建 codespace
为了避免在运行代码时出现依赖问题，我们建议在 GitHub Codespaces 中运行本课程。
您可以通过在您 Fork 的版本上选择 Code 选项，然后选择 Codespaces 选项来创建 codespace。
3. 保存 API 密钥
保护您的 API 密钥安全是构建任何类型应用程序时的重要事项。我们建议不要直接将任何 API 密钥存储在您正在使用的代码中，因为将这些详细信息提交到公共仓库可能会导致不必要的成本和问题。
在本地计算机上运行代码
要在本地计算机上运行代码，您需要安装某个版本的 Python。我个人推荐安装 miniconda – 它是一个非常轻量级的安装，支持使用 conda 包管理器创建不同的 Python 虚拟环境。
安装 miniconda 后，您需要克隆该仓库并创建一个用于本课程的虚拟环境：
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginners
conda env create --name ai4beg --file .devcontainer/environment.yml
conda activate ai4beg
使用 Visual Studio Code 和 Python 扩展
使用课程的最佳方式可能是在Visual Studio Code中打开它，并使用Python 扩展。
注意：一旦您克隆并在 VS Code 中打开目录，它会自动建议您安装 Python 扩展。您还必须按照上述说明安装 miniconda。
注意：如果 VS Code 建议您在容器中重新打开仓库，您需要拒绝此建议，以使用本地 Python 安装。
在浏览器中使用 Jupyter
您也可以直接在浏览器上使用 Jupyter 环境。实际上，传统的 Jupyter 和 Jupyter Hub 都提供了非常便利的开发环境，包括自动补全、代码高亮等功能。
要在本地启动 Jupyter，请转到课程的目录，并执行以下命令：
jupyter notebook
或者
jupyterhub
然后，您可以导航到任何一个 .ipynb 文件，打开它并开始使用。
在容器中运行
除了安装 Python 之外，另一种选择是在容器中运行代码。因为我们的仓库包含特殊的 .devcontainer 文件夹，其中指示如何为该仓库构建一个容器，VS Code 将提供重新在容器中打开代码的选项。这将需要更复杂的 Docker 安装，并且更为经验丰富的用户会更适合这种方式。
使用 GitHub Codespaces 时，将 API 密钥保持安全的最佳方式之一是使用 Codespace Secrets。请按照此指南了解有关管理 Codespace 的秘密的信息。
课程和技术要求
本课程包含 6 个概念课程和 6 个编码课程。
对于编码课程，我们使用 Azure OpenAI 服务。您需要访问 Azure OpenAI 服务并获得一个 API 密钥才能运行此代码。您可以通过填写此申请表申请访问权限。
在等待申请处理的同时，每个编码课程还包括一个 README.md 文件，您可以在其中查看代码和输出。
首次使用 Azure OpenAI 服务
如果您首次使用 Azure OpenAI 服务，请按照此指南了解如何创建和部署 Azure OpenAI 服务资源。
与其他学习者交流
我们在官方的 AI Community Discord 服务器中创建了频道，用于与其他学习者交流。这是与志同道合的企业家、开发者、学生以及任何希望在生成式人工智能方面提升的人们进行交流的好方法。
项目团队也将在该 Discord 服务器上协助任何学习者。
贡献
该课程是一个开源的倡议。如果您发现有改进或问题的地方，请创建一个Pull 请求(拉取请求)或记录一个Github issue(问题)。
项目团队将跟踪所有贡献，为开源做出贡献是在生成式人工智能领域建立职业生涯的绝佳方式。
大多数贡献要求您同意贡献者许可协议（CLA），声明您拥有并实际授予我们使用您的贡献的权利。有关详细信息，请访问CLA（贡献者许可协议）网站。
重要提示：在对此仓库中的文本进行翻译时，请确保不使用机器翻译。我们将通过社区验证翻译结果，请仅在您熟练掌握的语言中进行翻译。
当您提交一个拉取请求时，CLA 机器人将自动确定您是否需要提供 CLA，并相应地装饰 PR（例如，添加标签、评论）。只需按照机器人提供的说明操作即可。您只需要在使用我们的 CLA 的所有仓库中执行一次。
该项目已采用 Microsoft 开源行为准则。有关详细信息，请阅读《行为准则常见问题解答》或通过电子邮件 opencode与我们联系以获取其他问题或意见。
让我们开始吧
现在您已经完成了完成本课程所需的步骤，让我们从介绍生成式人工智能和语言模型开始吧。
本文由极客智坊网页翻译服务自动翻译完成：
原文地址：https://microsoft.github.io/generative-ai-for-beginners/#/00-course-setup/README
