319 lines
22 KiB
Markdown
319 lines
22 KiB
Markdown
# 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:
|
|
|
|
```bash
|
|
# 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
|
|
|
|
```bash
|
|
# 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:
|
|
|
|
```bash
|
|
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
|
|
|
|
```bash
|
|
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:
|
|
|
|
```bash
|
|
# 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
|
|
|
|
```bash
|
|
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
|
|
|
|
```bash
|
|
# 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:**
|
|
```bash
|
|
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:**
|
|
```bash
|
|
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
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**అస్పష్టత**:
|
|
ఈ పత్రాన్ని AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/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.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |