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/te/AGENTS.md

22 KiB
Raw Blame History

AGENTS.md

ప్రాజెక్ట్ అవలోకనం

AI for Beginners అనేది ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ప్రాథమికాంశాలను కవర్ చేసే 12 వారాల, 24 పాఠాల సమగ్ర పాఠ్యక్రమం. ఈ విద్యా రిపోజిటరీలో Jupyter Notebooks ఉపయోగించి ప్రాక్టికల్ పాఠాలు, క్విజ్‌లు మరియు హ్యాండ్స్-ఆన్ ల్యాబ్స్ ఉన్నాయి. పాఠ్యక్రమం కవర్ చేసే అంశాలు:

  • జ్ఞాన ప్రాతినిధ్యం మరియు నిపుణుల వ్యవస్థలతో సాంబాలిక్ AI
  • TensorFlow మరియు PyTorch తో న్యూరల్ నెట్‌వర్క్స్ మరియు డీప్ లెర్నింగ్
  • కంప్యూటర్ విజన్ సాంకేతికతలు మరియు నిర్మాణాలు
  • ట్రాన్స్‌ఫార్మర్స్ మరియు BERT సహా సహజ భాషా ప్రాసెసింగ్ (NLP)
  • ప్రత్యేక అంశాలు: జెనెటిక్ అల్గోరిథమ్స్, రీఇన్ఫోర్స్‌మెంట్ లెర్నింగ్, మల్టీ-ఏజెంట్ సిస్టమ్స్
  • AI నైతికత మరియు బాధ్యతాయుత AI సూత్రాలు

ప్రధాన సాంకేతికతలు: Python 3, Jupyter Notebooks, TensorFlow, PyTorch, Keras, OpenCV, Vue.js (క్విజ్ యాప్ కోసం)

నిర్మాణం: టాపిక్ ప్రాంతాల వారీగా క్రమబద్ధీకరించిన Jupyter Notebooks తో విద్యా కంటెంట్ రిపోజిటరీ, Vue.js ఆధారిత క్విజ్ అప్లికేషన్ మరియు విస్తృత బహుభాషా మద్దతుతో.

సెటప్ కమాండ్లు

ప్రాథమిక అభివృద్ధి వాతావరణం (Python/Jupyter)

పాఠ్యక్రమం Python మరియు Jupyter Notebooks తో నడపడానికి రూపొందించబడింది. సిఫార్సు చేయబడిన విధానం miniconda ఉపయోగించడం:

# రిపోజిటరీని క్లోన్ చేయండి
git clone https://github.com/microsoft/ai-for-beginners
cd ai-for-beginners

# కండా ఎన్విరాన్‌మెంట్ సృష్టించి యాక్టివేట్ చేయండి
conda env create --name ai4beg --file environment.yml
conda activate ai4beg

# జూపిటర్ నోట్‌బుక్ ప్రారంభించండి
jupyter notebook
# లేదా
jupyter lab

ప్రత్యామ్నాయం: devcontainer ఉపయోగించడం

# VS కోడ్‌లో తెరవండి మరియు ప్రాంప్ట్ వచ్చినప్పుడు "కంటైనర్‌లో మళ్లీ తెరవండి" ఎంచుకోండి
# డెవ్‌కంటైనర్ స్వయంచాలకంగా వాతావరణాన్ని సెట్ చేస్తుంది

క్విజ్ అప్లికేషన్ సెటప్

క్విజ్ యాప్ ఒక వేరు Vue.js అప్లికేషన్, ఇది etc/quiz-app/ లో ఉంది:

cd etc/quiz-app
npm install
npm run serve  # అభివృద్ధి సర్వర్
npm run build  # ఉత్పత్తి నిర్మాణం
npm run lint   # లింట్ చేసి ఫైళ్లను సరిచేయండి

అభివృద్ధి వర్క్‌ఫ్లో

Jupyter Notebooks తో పని చేయడం

  1. లోకల్ అభివృద్ధి:

    • కండా వాతావరణం యాక్టివేట్ చేయండి: conda activate ai4beg
    • Jupyter ప్రారంభించండి: jupyter notebook లేదా jupyter lab
    • పాఠాల ఫోల్డర్లకు వెళ్లి .ipynb ఫైళ్లను తెరవండి
    • పాఠాలు అనుసరించడానికి సెల్స్‌ను ఇంటరాక్టివ్‌గా నడపండి

  2. VS Code తో Python ఎక్స్‌టెన్షన్:

    • రిపోజిటరీని VS Code లో తెరవండి
    • Python ఎక్స్‌టెన్షన్ ఇన్‌స్టాల్ చేయండి
    • VS Code ఆటోమేటిక్‌గా కండా వాతావరణాన్ని గుర్తించి ఉపయోగిస్తుంది
    • .ipynb ఫైళ్లను నేరుగా VS Code లో తెరవండి

  3. క్లౌడ్ అభివృద్ధి:

    • GitHub Codespaces: "Code" → "Codespaces" → "Create codespace on main" క్లిక్ చేయండి
    • Binder: README లోని Binder బ్యాడ్జ్ ఉపయోగించి బ్రౌజర్‌లో ప్రారంభించండి
    • గమనిక: Binder కు పరిమిత వనరులు మరియు కొన్ని వెబ్ యాక్సెస్ పరిమితులు ఉన్నాయి

అధునాతన పాఠాల కోసం GPU మద్దతు

తరువాతి పాఠాలు GPU వేగవంతతతో గణనీయంగా లాభపడతాయి:

  • Azure Data Science VM: GPU మద్దతుతో NC-సిరీస్ VM లను ఉపయోగించండి
  • Azure Machine Learning: GPU కంప్యూట్‌తో నోట్‌బుక్ ఫీచర్లను ఉపయోగించండి
  • Google Colab: నోట్‌బుక్స్‌ను వ్యక్తిగతంగా అప్‌లోడ్ చేయండి (ఉచిత GPU మద్దతు ఉంది)

క్విజ్ యాప్ అభివృద్ధి

cd etc/quiz-app
npm run serve  # హాట్-రిలోడ్ అభివృద్ధి సర్వర్ http://localhost:8080 వద్ద ఉంది

పరీక్షా సూచనలు

ఇది సాఫ్ట్‌వేర్ పరీక్షల కంటే విద్యా కంటెంట్ పై దృష్టి పెట్టిన రిపోజిటరీ. సంప్రదాయ పరీక్షా సూట్ లేదు.

ధృవీకరణ విధానాలు:

  1. Jupyter Notebooks: కోడ్ ఉదాహరణలు పనిచేస్తున్నాయో లేదో నిర్ధారించడానికి సెల్స్‌ను వరుసగా నడపండి
  2. క్విజ్ యాప్ పరీక్ష: అభివృద్ధి సర్వర్ ద్వారా మాన్యువల్ పరీక్ష
  3. అనువాద ధృవీకరణ: translations/ ఫోల్డర్‌లో అనువాద కంటెంట్ తనిఖీ చేయండి
  4. క్విజ్ యాప్ లింటింగ్: etc/quiz-app/ లో npm run lint నడపండి

కోడ్ ఉదాహరణలు నడపడం:

# ముందుగా వాతావరణాన్ని సక్రియం చేయండి
conda activate ai4beg

# Python స్క్రిప్టులను నేరుగా నడపండి
python lessons/4-ComputerVision/07-ConvNets/pytorchcv.py

# లేదా నోట్‌బుక్స్‌ను అమలు చేయండి
jupyter notebook lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb

కోడ్ శైలి

Python కోడ్ శైలి

  • విద్యా కోడ్ కోసం ప్రామాణిక Python నియమాలు
  • స్పష్టమైన, చదవదగిన కోడ్, ఆప్టిమైజేషన్ కంటే నేర్చుకోవడాన్ని ప్రాధాన్యం ఇస్తుంది
  • ముఖ్యమైన భావాలను వివరిస్తున్న వ్యాఖ్యలు
  • Jupyter Notebook అనుకూలం: సెల్స్ సాధ్యమైనంత వరకు స్వతంత్రంగా ఉండాలి
  • పాఠ్య కంటెంట్ కోసం కఠినమైన లింటింగ్ అవసరం లేదు

JavaScript/Vue.js (క్విజ్ యాప్)

  • etc/quiz-app/package.json లో ESLint కాన్ఫిగరేషన్
  • సమస్యలను తనిఖీ చేసి ఆటోమేటిక్‌గా సరిచేయడానికి npm run lint నడపండి
  • Vue 2.x నియమాలు
  • కంపోనెంట్ ఆధారిత నిర్మాణం

ఫైల్ నిర్వహణ

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

బిల్డ్ మరియు డిప్లాయ్‌మెంట్

Jupyter కంటెంట్

బిల్డ్ ప్రక్రియ అవసరం లేదు - Jupyter Notebooks నేరుగా నడుస్తాయి.

క్విజ్ అప్లికేషన్

cd etc/quiz-app

# అభివృద్ధి
npm run serve

# ఉత్పత్తి నిర్మాణం
npm run build  # etc/quiz-app/dist/ కు అవుట్పుట్‌లు

# Azure స్థిర వెబ్ యాప్స్‌కు పంపిణీ చేయండి
# Azure ఆటోమేటిక్‌గా GitHub Actions వర్క్‌ఫ్లో సృష్టిస్తుంది
# వివరమైన పంపిణీ సూచనల కోసం etc/quiz-app/README.md చూడండి

డాక్యుమెంటేషన్ సైట్

రిపోజిటరీ Docsify ఉపయోగించి డాక్యుమెంటేషన్ అందిస్తుంది:

  • index.html ప్రవేశ పాయింట్‌గా పనిచేస్తుంది
  • బిల్డ్ అవసరం లేదు - GitHub Pages ద్వారా నేరుగా అందించబడుతుంది
  • యాక్సెస్: https://microsoft.github.io/AI-For-Beginners/

సహకార మార్గదర్శకాలు

పుల్ రిక్వెస్ట్ ప్రక్రియ

  1. శీర్షిక ఫార్మాట్: మార్పును స్పష్టంగా, వివరణాత్మకంగా తెలియజేసే శీర్షికలు
  2. CLA అవసరం: Microsoft CLA సంతకం చేయాలి (ఆటోమేటిక్ తనిఖీ)
  3. కంటెంట్ మార్గదర్శకాలు:
    • విద్యా దృష్టికోణం మరియు ప్రారంభ స్థాయి అనుకూలతను కాపాడండి
    • అన్ని కోడ్ ఉదాహరణలను నోట్‌బుక్స్‌లో పరీక్షించండి
    • నోట్‌బుక్స్ ఎండ్-టు-ఎండ్ నడవడం నిర్ధారించండి
    • ఇంగ్లీష్ కంటెంట్ మార్చినట్లయితే అనువాదాలను నవీకరించండి
  4. క్విజ్ యాప్ మార్పులు: కమిట్ చేయడానికి ముందు npm run lint నడపండి

అనువాద సహకారం

  • అనువాదాలు GitHub Actions ద్వారా co-op-translator ఉపయోగించి ఆటోమేటిక్‌గా జరుగుతాయి
  • మాన్యువల్ అనువాదాలు translations/<language-code>/ లో ఉంచండి
  • క్విజ్ అనువాదాలు etc/quiz-app/src/assets/translations/ లో ఉంటాయి
  • మద్దతు పొందిన భాషలు: 40+ (పూర్తి జాబితా README లో చూడండి)

సక్రియ సహకార ప్రాంతాలు

ప్రస్తుత అవసరాల కోసం etc/CONTRIBUTING.md చూడండి:

  • డీప్ రీఇన్ఫోర్స్‌మెంట్ లెర్నింగ్ విభాగాలు
  • ఆబ్జెక్ట్ డిటెక్షన్ మెరుగుదలలు
  • నేమ్డ్ ఎంటిటీ రికగ్నిషన్ ఉదాహరణలు
  • కస్టమ్ ఎంబెడ్డింగ్ ట్రైనింగ్ నమూనాలు

వాతావరణ కాన్ఫిగరేషన్

అవసరమైన డిపెండెన్సీలు

# కోర్ పైథాన్ ప్యాకేజీలు (requirements.txt నుండి)
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

వాతావరణ వేరియబుల్స్

ప్రాథమిక ఉపయోగానికి ప్రత్యేక వాతావరణ వేరియబుల్స్ అవసరం లేదు.

Azure డిప్లాయ్‌మెంట్ (క్విజ్ యాప్) కోసం:

  • AZURE_STATIC_WEB_APPS_API_TOKEN (Azure ద్వారా ఆటోమేటిక్‌గా సెట్ అవుతుంది)

డీబగ్గింగ్ మరియు సమస్య పరిష్కారం

సాధారణ సమస్యలు

సమస్య: కండా వాతావరణం సృష్టించడంలో విఫలం

  • పరిష్కారం: ముందుగా కండాను అప్‌డేట్ చేయండి: conda update conda -y
  • సరిపడా డిస్క్ స్థలం ఉన్నదని నిర్ధారించుకోండి (50GB సిఫార్సు)

సమస్య: Jupyter కర్నెల్ కనుగొనబడలేదు

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

సమస్య: నోట్‌బుక్స్‌లో GPU కనుగొనబడలేదు

  • పరిష్కారం:
    • CUDA ఇన్‌స్టాలేషన్‌ను తనిఖీ చేయండి: nvidia-smi
    • PyTorch GPU తనిఖీ: python -c "import torch; print(torch.cuda.is_available())"
    • TensorFlow GPU తనిఖీ: python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

సమస్య: క్విజ్ యాప్ ప్రారంభం కావడం లేదు

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

సమస్య: బైండర్ టైమ్ అవుట్ అవుతుంది లేదా డౌన్లోడ్లను బ్లాక్ చేస్తుంది

  • పరిష్కారం: మెరుగైన వనరుల యాక్సెస్ కోసం GitHub Codespaces లేదా లోకల్ సెటప్ ఉపయోగించండి

మెమరీ సమస్యలు

కొన్ని పాఠాలు గణనీయమైన RAM అవసరం (8GB+ సిఫార్సు):

  • వనరులు ఎక్కువగా అవసరమయ్యే పాఠాల కోసం క్లౌడ్ VM లను ఉపయోగించండి
  • మోడల్స్ ట్రైనింగ్ సమయంలో ఇతర అప్లికేషన్లను మూసివేయండి
  • మెమరీ తక్కువైతే నోట్‌బుక్స్‌లో బ్యాచ్ సైజ్ తగ్గించండి

అదనపు గమనికలు

కోర్సు ఉపాధ్యాయుల కోసం

  • బోధనా మార్గదర్శకాలకు lessons/0-course-setup/for-teachers.md చూడండి
  • పాఠాలు స్వతంత్రంగా ఉండి వరుసగా లేదా ఎంచుకుని బోధించవచ్చు
  • అంచనా సమయం: 12 వారాలు, వారానికి 2 పాఠాలు

క్లౌడ్ వనరులు

  • Azure for Students: విద్యార్థులకు ఉచిత క్రెడిట్లు అందుబాటులో ఉన్నాయి
  • Microsoft Learn: పాఠ్యక్రమంలో అనుబంధంగా లెర్నింగ్ పాథ్లు
  • Binder: ఉచితం కానీ పరిమిత వనరులు మరియు కొన్ని నెట్‌వర్క్ పరిమితులు

కోడ్ నడపడం ఎంపికలు

  1. లోకల్ (సిఫార్సు): పూర్తి నియంత్రణ, ఉత్తమ పనితీరు, GPU మద్దతు
  2. GitHub Codespaces: క్లౌడ్ ఆధారిత VS Code, త్వరిత యాక్సెస్‌కు అనుకూలం
  3. Binder: బ్రౌజర్ ఆధారిత Jupyter, ఉచితం కానీ పరిమితం
  4. Azure ML Notebooks: GPU మద్దతుతో ఎంటర్ప్రైజ్ ఎంపిక
  5. Google Colab: నోట్‌బుక్స్‌ను వ్యక్తిగతంగా అప్‌లోడ్ చేయండి, ఉచిత GPU లేయర్ అందుబాటులో ఉంది

నోట్‌బుక్స్‌తో పని

  • నేర్చుకోవడానికి సెల్-బై-సెల్ నడపడానికి డిజైన్ చేయబడ్డాయి
  • చాలా నోట్‌బుక్స్ మొదటి సారి నడిపేటప్పుడు డేటాసెట్‌లు డౌన్లోడ్ చేస్తాయి (కొంత సమయం పడవచ్చు)
  • కొన్ని మోడల్స్ సరైన శిక్షణ సమయాల కోసం GPU అవసరం
  • కంప్యూటింగ్ అవసరాలను తగ్గించడానికి ప్రీ-ట్రెయిన్డ్ మోడల్స్ ఉపయోగిస్తారు

పనితీరు పరిగణనలు

  • తరువాతి కంప్యూటర్ విజన్ పాఠాలు (CNNs, GANs) GPU తో లాభపడతాయి
  • NLP ట్రాన్స్‌ఫార్మర్ పాఠాలు గణనీయమైన RAM అవసరం కావచ్చు
  • మొదటి నుండి శిక్షణ ఇవ్వడం విద్యా ప్రయోజనకరం కానీ సమయం ఎక్కువ పడుతుంది
  • ట్రాన్స్‌ఫర్ లెర్నింగ్ ఉదాహరణలు శిక్షణ సమయాన్ని తగ్గిస్తాయి

అస్పష్టత:
ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. మూల పత్రం దాని స్వదేశీ భాషలో అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారుల కోసం మేము బాధ్యత వహించము.