RomanNum3ral
/
AI-For-Beginners
mirror of https://github.com/microsoft/AI-For-Beginners.git
1
0
Fork 0
Code Issues Packages Projects Releases Wiki Activity
AI-For-Beginners/translations/sk/AGENTS.md

11 KiB
Raw Blame History

AGENTS.md

Prehľad projektu

AI for Beginners je komplexný 12-týždňový, 24-lekciový kurz pokrývajúci základy umelej inteligencie. Tento vzdelávací repozitár obsahuje praktické lekcie využívajúce Jupyter Notebooks, kvízy a praktické laboratóriá. Kurz zahŕňa:

  • Symbolickú AI s reprezentáciou znalostí a expertnými systémami
  • Neurónové siete a hlboké učenie s TensorFlow a PyTorch
  • Techniky a architektúry počítačového videnia
  • Spracovanie prirodzeného jazyka (NLP) vrátane transformerov a BERT
  • Špecializované témy: genetické algoritmy, posilňovacie učenie, systémy s viacerými agentmi
  • Etika AI a princípy zodpovednej AI

Kľúčové technológie: Python 3, Jupyter Notebooks, TensorFlow, PyTorch, Keras, OpenCV, Vue.js (pre aplikáciu kvízov)

Architektúra: Vzdelávací obsah organizovaný v repozitári s Jupyter Notebooks podľa tematických oblastí, doplnený o aplikáciu kvízov založenú na Vue.js a rozsiahlu podporu viacerých jazykov.

Príkazy na nastavenie

Primárne vývojové prostredie (Python/Jupyter)

Kurz je navrhnutý na spustenie s Pythonom a Jupyter Notebooks. Odporúčaný prístup je použitie miniconda:

# Clone the repository
git clone https://github.com/microsoft/ai-for-beginners
cd ai-for-beginners

# Create and activate conda environment
conda env create --name ai4beg --file environment.yml
conda activate ai4beg

# Start Jupyter Notebook
jupyter notebook
# OR
jupyter lab

Alternatíva: Použitie devcontainer

# Open in VS Code and select "Reopen in Container" when prompted
# The devcontainer will automatically set up the environment

Nastavenie aplikácie kvízov

Aplikácia kvízov je samostatná Vue.js aplikácia umiestnená v etc/quiz-app/:

cd etc/quiz-app
npm install
npm run serve  # Development server
npm run build  # Production build
npm run lint   # Lint and fix files

Vývojový pracovný postup

Práca s Jupyter Notebooks

  1. Lokálny vývoj:

    • Aktivujte conda prostredie: conda activate ai4beg
    • Spustite Jupyter: jupyter notebook alebo jupyter lab
    • Prejdite do priečinkov s lekciami a otvorte súbory .ipynb
    • Spúšťajte bunky interaktívne podľa lekcií

  2. VS Code s rozšírením Python:

    • Otvorte repozitár vo VS Code
    • Nainštalujte rozšírenie Python
    • VS Code automaticky detekuje a používa conda prostredie
    • Otvorte súbory .ipynb priamo vo VS Code

  3. Cloudový vývoj:

    • GitHub Codespaces: Kliknite na "Code" → "Codespaces" → "Create codespace on main"
    • Binder: Použite odznak Binder v README na spustenie v prehliadači
    • Poznámka: Binder má obmedzené zdroje a niektoré obmedzenia prístupu na web

Podpora GPU pre pokročilé lekcie

Neskoršie lekcie výrazne profitujú z akcelerácie GPU:

  • Azure Data Science VM: Použite NC-series VM s podporou GPU
  • Azure Machine Learning: Použite funkcie notebookov s GPU výpočtami
  • Google Colab: Nahrajte notebooky jednotlivo (má bezplatnú podporu GPU)

Vývoj aplikácie kvízov

cd etc/quiz-app
npm run serve  # Hot-reload development server at http://localhost:8080

Pokyny na testovanie

Toto je vzdelávací repozitár zameraný na obsah učenia, nie na testovanie softvéru. Neexistuje tradičný testovací balík.

Prístupy k validácii:

  1. Jupyter Notebooks: Spúšťajte bunky postupne na overenie funkčnosti príkladov kódu
  2. Testovanie aplikácie kvízov: Manuálne testovanie cez vývojový server
  3. Validácia prekladov: Skontrolujte preložený obsah v priečinku translations/
  4. Linting aplikácie kvízov: npm run lint v etc/quiz-app/

Spúšťanie príkladov kódu:

# Activate environment first
conda activate ai4beg

# Run Python scripts directly
python lessons/4-ComputerVision/07-ConvNets/pytorchcv.py

# Or execute notebooks
jupyter notebook lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb

Štýl kódu

Štýl Python kódu

  • Štandardné Python konvencie pre vzdelávací kód
  • Jasný, čitateľný kód s prioritou učenia pred optimalizáciou
  • Komentáre vysvetľujúce kľúčové koncepty
  • Notebooky priateľské k Jupyter: bunky by mali byť čo najviac samostatné
  • Žiadne prísne požiadavky na linting pre obsah lekcií

JavaScript/Vue.js (aplikácia kvízov)

  • Konfigurácia ESLint v etc/quiz-app/package.json
  • Spustite npm run lint na kontrolu a automatické opravy problémov
  • Konvencie Vue 2.x
  • Architektúra založená na komponentoch

Organizácia súborov

lessons/
  ├── 0-course-setup/          # Setup instructions
  ├── 1-Intro/                 # Introduction to AI
  ├── 2-Symbolic/              # Symbolic AI
  ├── 3-NeuralNetworks/        # Neural Networks basics
  ├── 4-ComputerVision/        # Computer Vision
  ├── 5-NLP/                   # Natural Language Processing
  ├── 6-Other/                 # Other AI techniques
  ├── 7-Ethics/                # AI Ethics
  └── X-Extras/                # Additional content

etc/
  ├── quiz-app/                # Vue.js quiz application
  └── quiz-src/                # Quiz source files

translations/                  # Multi-language translations

Build a nasadenie

Obsah Jupyter

Nie je potrebný žiadny build proces - Jupyter Notebooks sa spúšťajú priamo.

Aplikácia kvízov

cd etc/quiz-app

# Development
npm run serve

# Production build
npm run build  # Outputs to etc/quiz-app/dist/

# Deploy to Azure Static Web Apps
# Azure automatically creates GitHub Actions workflow
# See etc/quiz-app/README.md for detailed deployment instructions

Dokumentačná stránka

Repozitár používa Docsify na dokumentáciu:

Pokyny na prispievanie

Proces Pull Request

  1. Formát názvu: Jasné, popisné názvy opisujúce zmenu
  2. Požiadavka CLA: Microsoft CLA musí byť podpísané (automatická kontrola)
  3. Pokyny k obsahu:
    • Zachovajte vzdelávací zameranie a prístup pre začiatočníkov
    • Testujte všetky príklady kódu v notebookoch
    • Uistite sa, že notebooky fungujú od začiatku do konca
    • Aktualizujte preklady, ak upravujete anglický obsah
  4. Zmeny aplikácie kvízov: Spustite npm run lint pred commitom

Príspevky k prekladom

  • Preklady sú automatizované cez GitHub Actions pomocou co-op-translator
  • Manuálne preklady idú do translations/<language-code>/
  • Preklady kvízov v etc/quiz-app/src/assets/translations/
  • Podporované jazyky: 40+ jazykov (pozrite README pre úplný zoznam)

Aktívne oblasti prispievania

Pozrite etc/CONTRIBUTING.md pre aktuálne potreby:

  • Sekcie hlbokého posilňovacieho učenia
  • Vylepšenia detekcie objektov
  • Príklady rozpoznávania pomenovaných entít
  • Ukážky vlastného tréningu embeddingov

Konfigurácia prostredia

Požadované závislosti

# Core Python packages (from requirements.txt)
tensorflow==2.17.0
torch (via conda)
torchvision (via conda)
keras==3.5.0
opencv (via conda)
scikit-learn
numpy==1.26
pandas==2.2.2
matplotlib==3.9
jupyter

Premenné prostredia

Nie sú potrebné žiadne špeciálne premenné prostredia pre základné použitie.

Pre nasadenia na Azure (aplikácia kvízov):

  • AZURE_STATIC_WEB_APPS_API_TOKEN (nastavené automaticky Azure)

Ladenie a riešenie problémov

Bežné problémy

Problém: Vytvorenie conda prostredia zlyhá

  • Riešenie: Najskôr aktualizujte conda: conda update conda -y
  • Uistite sa, že máte dostatok miesta na disku (odporúča sa 50GB)

Problém: Jupyter kernel nebol nájdený

  • Riešenie: 
    conda activate ai4beg
python -m ipykernel install --user --name ai4beg

Problém: GPU nie je detekované v notebookoch

  • Riešenie:
    • Overte inštaláciu CUDA: nvidia-smi
    • Skontrolujte GPU v PyTorch: python -c "import torch; print(torch.cuda.is_available())"
    • Skontrolujte GPU v TensorFlow: python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Problém: Aplikácia kvízov sa nespustí

  • Riešenie: 
    cd etc/quiz-app
rm -rf node_modules package-lock.json
npm install
npm run serve

Problém: Binder vyprší čas alebo blokuje sťahovanie

  • Riešenie: Použite GitHub Codespaces alebo lokálne nastavenie pre lepší prístup k zdrojom

Problémy s pamäťou

Niektoré lekcie vyžadujú značné množstvo RAM (odporúča sa 8GB+):

  • Použite cloudové VM pre lekcie náročné na zdroje
  • Zatvorte ostatné aplikácie pri tréningu modelov
  • Znížte veľkosti dávok v notebookoch, ak dochádza pamäť

Dodatočné poznámky

Pre učiteľov kurzu

  • Pozrite lessons/0-course-setup/for-teachers.md pre pokyny na výučbu
  • Lekcie sú samostatné a môžu byť vyučované postupne alebo vybrané individuálne
  • Odhadovaný čas: 12 týždňov pri 2 lekciách týždenne

Cloudové zdroje

  • Azure for Students: Bezplatné kredity dostupné pre študentov
  • Microsoft Learn: Doplnkové vzdelávacie cesty prepojené v celom kurze
  • Binder: Bezplatné, ale obmedzené zdroje a niektoré obmedzenia siete

Možnosti spúšťania kódu

  1. Lokálne (odporúčané): Plná kontrola, najlepší výkon, podpora GPU
  2. GitHub Codespaces: Cloudový VS Code, vhodný na rýchly prístup
  3. Binder: Jupyter v prehliadači, bezplatný, ale obmedzený
  4. Azure ML Notebooks: Podnikové riešenie s podporou GPU
  5. Google Colab: Nahrajte notebooky jednotlivo, dostupná bezplatná GPU vrstva

Práca s notebookmi

  • Notebooky sú navrhnuté na spúšťanie bunky po bunke pre učenie
  • Mnohé notebooky sťahujú datasety pri prvom spustení (môže to chvíľu trvať)
  • Niektoré modely vyžadujú GPU pre rozumné časy tréningu
  • Predtrénované modely sa používajú tam, kde je to možné, na zníženie požiadaviek na výpočty

Výkonnostné úvahy

  • Neskoršie lekcie počítačového videnia (CNN, GAN) profitujú z GPU
  • Lekcie NLP s transformermi môžu vyžadovať značné množstvo RAM
  • Tréning od začiatku je vzdelávací, ale časovo náročný
  • Príklady transferového učenia minimalizujú čas tréningu

Upozornenie:
Tento dokument bol preložený pomocou služby AI prekladu Co-op Translator. Hoci sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nenesieme zodpovednosť za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.