19 KiB

Raw Blame History

AGENTS.md

ภาพรวมโครงการ

AI for Beginners เป็นหลักสูตรครอบคลุมระยะเวลา 12 สัปดาห์ ประกอบด้วย 24 บทเรียนที่ครอบคลุมพื้นฐานของปัญญาประดิษฐ์ (AI) โครงการนี้มีบทเรียนเชิงปฏิบัติที่ใช้ Jupyter Notebooks แบบฝึกหัด และห้องปฏิบัติการจริง หลักสูตรครอบคลุมหัวข้อดังนี้:

AI เชิงสัญลักษณ์ด้วยการแทนความรู้และระบบผู้เชี่ยวชาญ
เครือข่ายประสาทและการเรียนรู้เชิงลึกด้วย TensorFlow และ PyTorch
เทคนิคและสถาปัตยกรรมการมองเห็นด้วยคอมพิวเตอร์
การประมวลผลภาษาธรรมชาติ (NLP) รวมถึง transformers และ BERT
หัวข้อเฉพาะทาง: อัลกอริทึมทางพันธุกรรม, การเรียนรู้แบบเสริมกำลัง, ระบบหลายตัวแทน
จริยธรรม AI และหลักการ AI ที่รับผิดชอบ

เทคโนโลยีหลัก: Python 3, Jupyter Notebooks, TensorFlow, PyTorch, Keras, OpenCV, Vue.js (สำหรับแอปแบบทดสอบ)

สถาปัตยกรรม: คลังเนื้อหาการศึกษา พร้อม Jupyter Notebooks ที่จัดระเบียบตามหัวข้อ และแอปแบบทดสอบที่พัฒนาด้วย Vue.js พร้อมการสนับสนุนหลายภาษาอย่างกว้างขวาง

คำสั่งการตั้งค่า

สภาพแวดล้อมการพัฒนาหลัก (Python/Jupyter)

หลักสูตรนี้ออกแบบมาให้ทำงานร่วมกับ Python และ Jupyter Notebooks วิธีที่แนะนำคือการใช้ 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

ทางเลือก: ใช้ devcontainer

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

การตั้งค่าแอปแบบทดสอบ

แอปแบบทดสอบเป็นแอป Vue.js แยกต่างหากที่อยู่ใน 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

เวิร์กโฟลว์การพัฒนา

การทำงานกับ Jupyter Notebooks

การพัฒนาในเครื่อง:
- เปิดใช้งานสภาพแวดล้อม conda: conda activate ai4beg
- เริ่ม Jupyter: jupyter notebook หรือ jupyter lab
- ไปที่โฟลเดอร์บทเรียนและเปิดไฟล์ .ipynb
- รันเซลล์แบบโต้ตอบเพื่อทำตามบทเรียน
VS Code พร้อมส่วนขยาย Python:
- เปิดคลังใน VS Code
- ติดตั้งส่วนขยาย Python
- VS Code จะตรวจจับและใช้สภาพแวดล้อม conda โดยอัตโนมัติ
- เปิดไฟล์ .ipynb โดยตรงใน VS Code
การพัฒนาในคลาวด์:
- GitHub Codespaces: คลิก "Code" → "Codespaces" → "Create codespace on main"
- Binder: ใช้ป้าย Binder บน README เพื่อเปิดในเบราว์เซอร์
- หมายเหตุ: Binder มีทรัพยากรจำกัดและข้อจำกัดการเข้าถึงเว็บบางประการ

การสนับสนุน GPU สำหรับบทเรียนขั้นสูง

บทเรียนในภายหลังจะได้รับประโยชน์อย่างมากจากการเร่งความเร็วด้วย GPU:

Azure Data Science VM: ใช้ VM ซีรีส์ NC ที่รองรับ GPU
Azure Machine Learning: ใช้ฟีเจอร์โน้ตบุ๊กพร้อมการประมวลผล GPU
Google Colab: อัปโหลดโน้ตบุ๊กทีละตัว (มีการสนับสนุน GPU ฟรี)

การพัฒนาแอปแบบทดสอบ

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

คำแนะนำการทดสอบ

คลังนี้มุ่งเน้นไปที่เนื้อหาการเรียนรู้มากกว่าการทดสอบซอฟต์แวร์ ไม่มีชุดการทดสอบแบบดั้งเดิม

วิธีการตรวจสอบ:

Jupyter Notebooks: รันเซลล์ตามลำดับเพื่อยืนยันว่าโค้ดตัวอย่างทำงานได้
การทดสอบแอปแบบทดสอบ: ทดสอบด้วยตนเองผ่านเซิร์ฟเวอร์พัฒนา
การตรวจสอบการแปล: ตรวจสอบเนื้อหาที่แปลในโฟลเดอร์ translations/
การตรวจสอบ linting แอปแบบทดสอบ: npm run lint ใน etc/quiz-app/

การรันโค้ดตัวอย่าง:

# 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

รูปแบบโค้ด

รูปแบบโค้ด Python

ใช้รูปแบบมาตรฐาน Python สำหรับโค้ดการศึกษา
โค้ดที่ชัดเจนและอ่านง่าย โดยเน้นการเรียนรู้มากกว่าการปรับแต่ง
มีคอมเมนต์อธิบายแนวคิดสำคัญ
เป็นมิตรกับ Jupyter Notebook: เซลล์ควรเป็นแบบแยกตัวเองได้มากที่สุด
ไม่มีข้อกำหนด linting ที่เข้มงวดสำหรับเนื้อหาบทเรียน

JavaScript/Vue.js (แอปแบบทดสอบ)

การตั้งค่า ESLint ใน etc/quiz-app/package.json
รัน npm run lint เพื่อตรวจสอบและแก้ไขปัญหาอัตโนมัติ
ใช้รูปแบบ Vue 2.x
สถาปัตยกรรมแบบคอมโพเนนต์

การจัดระเบียบไฟล์

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

การสร้างและการปรับใช้

เนื้อหา Jupyter

ไม่จำเป็นต้องมีขั้นตอนการสร้าง - Jupyter Notebooks ถูกใช้งานโดยตรง

แอปแบบทดสอบ

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

เว็บไซต์เอกสาร

คลังนี้ใช้ Docsify สำหรับเอกสาร:

index.html เป็นจุดเริ่มต้น
ไม่จำเป็นต้องสร้าง - ให้บริการโดยตรงผ่าน GitHub Pages
เข้าถึงได้ที่: https://microsoft.github.io/AI-For-Beginners/

แนวทางการมีส่วนร่วม

กระบวนการ Pull Request

รูปแบบชื่อเรื่อง: ชื่อเรื่องที่ชัดเจนและอธิบายการเปลี่ยนแปลง
ข้อกำหนด CLA: ต้องลงนาม Microsoft CLA (ตรวจสอบอัตโนมัติ)
แนวทางเนื้อหา:
- รักษาโฟกัสการศึกษาและแนวทางที่เป็นมิตรกับผู้เริ่มต้น
- ทดสอบโค้ดตัวอย่างทั้งหมดในโน้ตบุ๊ก
- ตรวจสอบให้แน่ใจว่าโน้ตบุ๊กรันได้ตั้งแต่ต้นจนจบ
- อัปเดตการแปลหากมีการแก้ไขเนื้อหาภาษาอังกฤษ
การเปลี่ยนแปลงแอปแบบทดสอบ: รัน npm run lint ก่อน commit

การมีส่วนร่วมในการแปล

การแปลเป็นไปโดยอัตโนมัติผ่าน GitHub Actions โดยใช้ co-op-translator
การแปลด้วยตนเองอยู่ใน translations/<language-code>/
การแปลแบบทดสอบอยู่ใน etc/quiz-app/src/assets/translations/
รองรับภาษา: มากกว่า 40 ภาษา (ดู README สำหรับรายการเต็ม)

พื้นที่การมีส่วนร่วมที่ใช้งานอยู่

ดู etc/CONTRIBUTING.md สำหรับความต้องการปัจจุบัน:

ส่วนการเรียนรู้แบบเสริมกำลังเชิงลึก
การปรับปรุงการตรวจจับวัตถุ
ตัวอย่างการจดจำเอนทิตีที่มีชื่อ
ตัวอย่างการฝึกฝังแบบกำหนดเอง

การตั้งค่าสภาพแวดล้อม

การพึ่งพาที่จำเป็น

# 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

ตัวแปรสภาพแวดล้อม

ไม่จำเป็นต้องมีตัวแปรสภาพแวดล้อมพิเศษสำหรับการใช้งานพื้นฐาน

สำหรับการปรับใช้ Azure (แอปแบบทดสอบ):

AZURE_STATIC_WEB_APPS_API_TOKEN (ตั้งค่าโดยอัตโนมัติโดย Azure)

การแก้ไขข้อบกพร่องและการแก้ปัญหา

ปัญหาทั่วไป

ปัญหา: การสร้างสภาพแวดล้อม conda ล้มเหลว

วิธีแก้ไข: อัปเดต conda ก่อน: conda update conda -y
ตรวจสอบให้แน่ใจว่ามีพื้นที่ดิสก์เพียงพอ (แนะนำ 50GB)

ปัญหา: ไม่พบ kernel ของ Jupyter

วิธีแก้ไข:

conda activate ai4beg
python -m ipykernel install --user --name ai4beg

ปัญหา: ไม่พบ GPU ในโน้ตบุ๊ก

วิธีแก้ไข:
- ตรวจสอบการติดตั้ง CUDA: nvidia-smi
- ตรวจสอบ GPU ของ PyTorch: python -c "import torch; print(torch.cuda.is_available())"
- ตรวจสอบ GPU ของ TensorFlow: python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

ปัญหา: แอปแบบทดสอบไม่เริ่มต้น