12 KiB

Raw Blame History

AGENTS.md

Tổng quan dự án

AI for Beginners là một chương trình học kéo dài 12 tuần với 24 bài học, bao gồm các kiến thức cơ bản về Trí tuệ Nhân tạo. Kho tài liệu giáo dục này bao gồm các bài học thực hành sử dụng Jupyter Notebooks, bài kiểm tra và các phòng thí nghiệm thực hành. Chương trình học bao gồm:

AI biểu tượng với Đại diện Kiến thức và Hệ thống Chuyên gia
Mạng Neural và Học sâu với TensorFlow và PyTorch
Kỹ thuật và kiến trúc Thị giác Máy tính
Xử lý Ngôn ngữ Tự nhiên (NLP) bao gồm transformers và BERT
Các chủ đề chuyên biệt: Thuật toán Di truyền, Học Tăng cường, Hệ thống Đa Tác nhân
Đạo đức AI và nguyên tắc AI có trách nhiệm

Công nghệ chính: Python 3, Jupyter Notebooks, TensorFlow, PyTorch, Keras, OpenCV, Vue.js (cho ứng dụng kiểm tra)

Kiến trúc: Kho tài liệu giáo dục với Jupyter Notebooks được tổ chức theo các lĩnh vực chủ đề, bổ sung bởi một ứng dụng kiểm tra dựa trên Vue.js và hỗ trợ đa ngôn ngữ rộng rãi.

Lệnh thiết lập

Môi trường phát triển chính (Python/Jupyter)

Chương trình học được thiết kế để chạy với Python và Jupyter Notebooks. Cách tiếp cận được khuyến nghị là sử dụng 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

Lựa chọn thay thế: Sử dụng devcontainer

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

Thiết lập ứng dụng kiểm tra

Ứng dụng kiểm tra là một ứng dụng Vue.js riêng biệt nằm trong 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

Quy trình phát triển

Làm việc với Jupyter Notebooks

Phát triển cục bộ:
- Kích hoạt môi trường conda: conda activate ai4beg
- Khởi động Jupyter: jupyter notebook hoặc jupyter lab
- Điều hướng đến các thư mục bài học và mở các tệp .ipynb
- Chạy các ô tương tác để theo dõi bài học
VS Code với tiện ích mở rộng Python:
- Mở kho tài liệu trong VS Code
- Cài đặt tiện ích mở rộng Python
- VS Code tự động phát hiện và sử dụng môi trường conda
- Mở trực tiếp các tệp .ipynb trong VS Code
Phát triển trên đám mây:
- GitHub Codespaces: Nhấp vào "Code" → "Codespaces" → "Create codespace on main"
- Binder: Sử dụng huy hiệu Binder trên README để khởi chạy trong trình duyệt
- Lưu ý: Binder có tài nguyên hạn chế và một số hạn chế truy cập web

Hỗ trợ GPU cho các bài học nâng cao

Các bài học sau này hưởng lợi đáng kể từ tăng tốc GPU:

Azure Data Science VM: Sử dụng các VM NC-series với hỗ trợ GPU
Azure Machine Learning: Sử dụng các tính năng notebook với tính toán GPU
Google Colab: Tải lên các notebook riêng lẻ (có hỗ trợ GPU miễn phí)

Phát triển ứng dụng kiểm tra

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

Hướng dẫn kiểm tra

Đây là một kho tài liệu giáo dục tập trung vào nội dung học tập hơn là kiểm tra phần mềm. Không có bộ kiểm tra truyền thống.

Các phương pháp xác thực:

Jupyter Notebooks: Thực thi các ô theo thứ tự để xác minh các ví dụ mã hoạt động
Kiểm tra ứng dụng kiểm tra: Kiểm tra thủ công qua máy chủ phát triển
Xác thực bản dịch: Kiểm tra nội dung đã dịch trong thư mục translations/
Linting ứng dụng kiểm tra: npm run lint trong etc/quiz-app/

Chạy các ví dụ mã:

# 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

Phong cách mã

Phong cách mã Python

Quy ước Python tiêu chuẩn cho mã giáo dục
Mã rõ ràng, dễ đọc ưu tiên học tập hơn tối ưu hóa
Các chú thích giải thích các khái niệm chính
Thân thiện với Jupyter Notebook: các ô nên tự chứa nếu có thể
Không yêu cầu linting nghiêm ngặt cho nội dung bài học

JavaScript/Vue.js (Ứng dụng kiểm tra)

Cấu hình ESLint trong etc/quiz-app/package.json
Chạy npm run lint để kiểm tra và tự động sửa lỗi
Quy ước Vue 2.x
Kiến trúc dựa trên thành phần

Tổ chức tệp

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

Xây dựng và triển khai

Nội dung Jupyter

Không yêu cầu quy trình xây dựng - Jupyter Notebooks được thực thi trực tiếp.

Ứng dụng kiểm tra

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

Trang tài liệu

Kho tài liệu sử dụng Docsify cho tài liệu:

index.html đóng vai trò là điểm vào
Không yêu cầu xây dựng - được phục vụ trực tiếp qua GitHub Pages
Truy cập tại: https://microsoft.github.io/AI-For-Beginners/

Hướng dẫn đóng góp

Quy trình Pull Request

Định dạng tiêu đề: Tiêu đề rõ ràng, mô tả thay đổi
Yêu cầu CLA: Microsoft CLA phải được ký (kiểm tra tự động)
Hướng dẫn nội dung:
- Duy trì trọng tâm giáo dục và cách tiếp cận thân thiện với người mới bắt đầu
- Kiểm tra tất cả các ví dụ mã trong notebook
- Đảm bảo notebook chạy từ đầu đến cuối
- Cập nhật bản dịch nếu chỉnh sửa nội dung tiếng Anh
Thay đổi ứng dụng kiểm tra: Chạy npm run lint trước khi commit

Đóng góp bản dịch

Bản dịch được tự động hóa qua GitHub Actions sử dụng co-op-translator
Bản dịch thủ công nằm trong translations/<language-code>/
Bản dịch kiểm tra nằm trong etc/quiz-app/src/assets/translations/
Ngôn ngữ được hỗ trợ: Hơn 40 ngôn ngữ (xem README để biết danh sách đầy đủ)

Các lĩnh vực đóng góp tích cực

Xem etc/CONTRIBUTING.md để biết các nhu cầu hiện tại:

Các phần Học Tăng cường Sâu
Cải tiến Phát hiện Đối tượng
Ví dụ Nhận dạng Thực thể Được đặt tên
Mẫu đào tạo nhúng tùy chỉnh

Cấu hình môi trường

Các phụ thuộc cần thiết

# 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

Biến môi trường

Không yêu cầu biến môi trường đặc biệt cho việc sử dụng cơ bản.

Đối với triển khai Azure (ứng dụng kiểm tra):

AZURE_STATIC_WEB_APPS_API_TOKEN (được thiết lập tự động bởi Azure)

Gỡ lỗi và khắc phục sự cố

Các vấn đề phổ biến

Vấn đề: Tạo môi trường conda thất bại

Giải pháp: Cập nhật conda trước: conda update conda -y
Đảm bảo đủ dung lượng đĩa (khuyến nghị 50GB)

Vấn đề: Kernel Jupyter không được tìm thấy

Giải pháp:

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

Vấn đề: GPU không được phát hiện trong notebook

Giải pháp:
- Xác minh cài đặt CUDA: nvidia-smi
- Kiểm tra GPU PyTorch: python -c "import torch; print(torch.cuda.is_available())"
- Kiểm tra GPU TensorFlow: python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Vấn đề: Ứng dụng kiểm tra không khởi động

Giải pháp:

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

Vấn đề: Binder hết thời gian hoặc chặn tải xuống

Giải pháp: Sử dụng GitHub Codespaces hoặc thiết lập cục bộ để truy cập tài nguyên tốt hơn

Vấn đề về bộ nhớ

Một số bài học yêu cầu RAM lớn (khuyến nghị 8GB+):

Sử dụng VM đám mây cho các bài học yêu cầu tài nguyên cao
Đóng các ứng dụng khác khi huấn luyện mô hình
Giảm kích thước batch trong notebook nếu hết bộ nhớ

Ghi chú bổ sung

Dành cho giảng viên khóa học

Xem lessons/0-course-setup/for-teachers.md để biết hướng dẫn giảng dạy
Các bài học được thiết kế tự chứa và có thể được dạy theo trình tự hoặc chọn riêng lẻ
Thời gian ước tính: 12 tuần với 2 bài học mỗi tuần

Tài nguyên đám mây

Azure for Students: Tín dụng miễn phí dành cho sinh viên
Microsoft Learn: Các lộ trình học bổ sung được liên kết xuyên suốt
Binder: Miễn phí nhưng tài nguyên hạn chế và một số hạn chế mạng

Tùy chọn thực thi mã

Cục bộ (Khuyến nghị): Kiểm soát đầy đủ, hiệu suất tốt nhất, hỗ trợ GPU
GitHub Codespaces: VS Code trên đám mây, tốt cho truy cập nhanh
Binder: Jupyter trên trình duyệt, miễn phí nhưng hạn chế
Azure ML Notebooks: Tùy chọn doanh nghiệp với hỗ trợ GPU
Google Colab: Tải lên notebook riêng lẻ, có tầng GPU miễn phí

Làm việc với Notebooks

Các notebook được thiết kế để chạy từng ô một để học tập
Nhiều notebook tải xuống tập dữ liệu khi chạy lần đầu (có thể mất thời gian)
Một số mô hình yêu cầu GPU để thời gian huấn luyện hợp lý
Các mô hình đã được huấn luyện trước được sử dụng khi có thể để giảm yêu cầu tính toán

Cân nhắc về hiệu suất

Các bài học thị giác máy tính sau này (CNNs, GANs) hưởng lợi từ GPU
Các bài học NLP transformer có thể yêu cầu RAM lớn
Huấn luyện từ đầu mang tính giáo dục nhưng tốn thời gian
Các ví dụ học chuyển tiếp giảm thiểu thời gian huấn luyện

Tuyên bố miễn trừ trách nhiệm:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI Co-op Translator. Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ bản địa nên được coi là nguồn thông tin chính thức. Đối với các thông tin quan trọng, khuyến nghị sử dụng dịch vụ dịch thuật chuyên nghiệp bởi con người. Chúng tôi không chịu trách nhiệm cho bất kỳ sự hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.

12 KiB Raw Blame History

AGENTS.md

Tổng quan dự án

Lệnh thiết lập

Môi trường phát triển chính (Python/Jupyter)

Lựa chọn thay thế: Sử dụng devcontainer

Thiết lập ứng dụng kiểm tra

Quy trình phát triển

Làm việc với Jupyter Notebooks

Hỗ trợ GPU cho các bài học nâng cao

Phát triển ứng dụng kiểm tra

Hướng dẫn kiểm tra

Các phương pháp xác thực:

Chạy các ví dụ mã:

Phong cách mã

Phong cách mã Python

JavaScript/Vue.js (Ứng dụng kiểm tra)

Tổ chức tệp

Xây dựng và triển khai

Nội dung Jupyter

Ứng dụng kiểm tra

Trang tài liệu

Hướng dẫn đóng góp

Quy trình Pull Request

Đóng góp bản dịch

Các lĩnh vực đóng góp tích cực

Cấu hình môi trường

Các phụ thuộc cần thiết

Biến môi trường

Gỡ lỗi và khắc phục sự cố

Các vấn đề phổ biến

Vấn đề về bộ nhớ

Ghi chú bổ sung

Dành cho giảng viên khóa học

Tài nguyên đám mây

Tùy chọn thực thi mã

Làm việc với Notebooks

Cân nhắc về hiệu suất

12 KiB

Raw Blame History