Generatiivinen tekoäly aloittelijoille - Java-versio

July 3, 2026 · View on GitHub

Ajankäyttö: Koko työpaja voidaan suorittaa verkossa ilman paikallista asennusta. Ympäristön pystytys vie 2 minuuttia, ja esimerkkien tutkiminen vaatii 1–3 tuntia tutkimisen syvyydestä riippuen.

Pika-aloitus

Tee fork tästä repositoriosta GitHub-tilillesi
Klikkaa Code → Codespaces -välilehti → ... → New with options...
Käytä oletuksia – tämä valitsee tälle kurssille tehdyn kehityssäiliön
Klikkaa Create codespace
Odota noin 2 minuuttia, että ympäristö on valmis
Siirry suoraan kohtaan Luku 2: Provision Azure AI Foundry

Monikielinen tuki

Tuettu GitHub Actionin kautta (Automaattinen ja aina ajan tasalla)

Haluatko kloonata paikallisesti?

Tämä repositorio sisältää yli 50 käännöstä, mikä kasvattaa latauskokoa merkittävästi. Kloonaa ilman käännöksiä käyttämällä sparse checkout -toimintoa:

Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/Generative-AI-for-beginners-java.git
cd Generative-AI-for-beginners-java
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/Generative-AI-for-beginners-java.git
cd Generative-AI-for-beginners-java
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
Saat kaiken tarvittavan kurssin suorittamiseen paljon nopeammalla latauksella.

Kurssin rakenne & oppimispolku

Luku 1: Johdanto generatiiviseen tekoälyyn

Peruskäsitteet: Ymmärrys suurista kielimalleista, tokeneista, upotuksista ja tekoälyn kyvyistä
Java-tekoälyekosysteemi: Katsausta Spring AI:hin ja OpenAI SDK:hin
Malliyhteysprotokolla: Johdanto MCP:hen ja sen rooli tekoälyagenttien viestinnässä
Käytännön sovellukset: Todelliset käyttötapaukset, kuten chatbotit ja sisällön generointi
→ Aloita luku 1

Luku 2: Kehitysympäristön pystytys

Azure AI Foundry: Mallien käyttöönotto koodina Bicepin ja Azure Developer CLI:n (azd) avulla
Spring Boot + Spring AI: Parhaat käytännöt yritystason tekoälysovellusten kehitykseen
Avainvapaa autentikointi: Yhdistä turvallisesti Microsoft Entra ID:n kanssa — ei API-avainten hallintaa
Kehitystyökalut: Docker-kontit, VS Code ja GitHub Codespaces -asetukset
→ Aloita luku 2

Luku 3: Keskeiset generatiivisen tekoälyn tekniikat

Prompt-tekniikat: Optimaaliset tavat AI-mallin vastausten ohjaamiseen
Upotukset & vektoritoiminnot: Semanttisen haun ja samankaltaisuuden toteutukset
Hakuun perustuva generointi (RAG): Yhdistä tekoäly omiin tietolähteisiin
Funktiokutsut: Laajenna tekoälyn kykyjä räätälöidyillä työkaluilla ja lisäosilla
→ Aloita luku 3

Luku 4: Käytännön sovellukset & projektit

Lemmikkitarinageneraattori (petstory/): Luova sisällön generointi Azure AI Foundrylla
Foundry paikallinen demo (foundrylocal/): Paikallinen tekoälymallin integrointi OpenAI Java SDK:lla
MCP-laskinpalvelu (calculator/): Perustason Model Context Protocol -toteutus Spring AI:lla
→ Aloita luku 4

Luku 5: Vastuullinen tekoälyn kehitys

Azure AI Foundryn sisällönturvallisuus: Testaa sisäänrakennetut sisältösuodatus- ja turvatoiminnot (kovat esto ja pehmeät hylkäykset)
Vastuullisen tekoälyn demo: Käytännön esimerkki, joka näyttää modernien tekoälyturvajärjestelmien toiminnan
Parhaat käytännöt: Tärkeitä ohjeita eettiseen tekoälyn kehitykseen ja käyttöönottoon
→ Aloita luku 5

Jos jäät jumiin tai sinulla on kysyttävää tekoälysovellusten rakentamisesta. Liity muiden oppijoiden ja kokeneiden kehittäjien keskusteluihin MCP:stä. Se on tukeva yhteisö, jossa kysymyksiä saa esittää ja tietoa jaetaan vapaasti.

Jos sinulla on tuotepalautetta tai kohtaat virheitä rakennusvaiheessa, käy:

Vastuuvapauslauseke: Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, otathan huomioon, että automaattiset käännökset saattavat sisältää virheitä tai epätarkkuuksia. Alkuperäinen asiakirja sen alkuperäiskielellä on virallinen lähde. Tärkeissä asioissa suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinymmärryksistä tai tulkinnoista.

Generatiivinen tekoäly aloittelijoille - Java-versio

Monikielinen tuki

Tuettu GitHub Actionin kautta (Automaattinen ja aina ajan tasalla)

Kurssin rakenne & oppimispolku

Luku 1: Johdanto generatiiviseen tekoälyyn

Luku 2: Kehitysympäristön pystytys

Luku 3: Keskeiset generatiivisen tekoälyn tekniikat

Luku 4: Käytännön sovellukset & projektit

Luku 5: Vastuullinen tekoälyn kehitys

Lisäresurssit

LangChain

Azure / Edge / MCP / Agentit

Generatiivinen tekoälysarja

Keskeinen oppiminen

Copilot-sarja

Apua saatavana