EdgeAI dla początkujących

April 6, 2026 · View on GitHub

Obraz okładki kursu

Postępuj zgodnie z tymi krokami, aby zacząć korzystać z tych zasobów:

Forkuj repozytorium: Kliknij
Sklonuj repozytorium: git clone https://github.com/microsoft/edgeai-for-beginners.git
Dołącz do Azure AI Foundry Discord i poznaj ekspertów oraz innych programistów

🌐 Wsparcie wielojęzyczne

Wspierane za pomocą GitHub Action (automatyczne i zawsze aktualne)

Wolisz klonować lokalnie?

To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacząco zwiększa rozmiar pobieranego pliku. Aby klonować bez tłumaczeń, użyj sparse checkout:

Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/edgeai-for-beginners.git
cd edgeai-for-beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/edgeai-for-beginners.git
cd edgeai-for-beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
Dzięki temu otrzymasz wszystko, co potrzebne do ukończenia kursu, z znacznie szybszym pobieraniem.

Jeśli chcesz dodać dodatkowe języki tłumaczeń, są one wymienione tutaj

Witamy w EdgeAI dla początkujących – Twojej kompleksowej podróży do transformującego świata Edge Artificial Intelligence. Ten kurs łączy potężne możliwości AI z praktycznym, rzeczywistym wdrożeniem na urządzeniach brzegowych, umożliwiając Ci wykorzystanie potencjału AI bezpośrednio tam, gdzie generowane są dane i podejmowane są decyzje.

Co opanujesz

Kurs przeprowadzi Cię od podstawowych koncepcji do wdrożeń gotowych na produkcję, obejmując:

Małe modele językowe (SLM) zoptymalizowane pod kątem wdrożeń brzegowych
Optymalizację świadomą sprzętu na różnych platformach
Wnioskowanie w czasie rzeczywistym z zachowaniem prywatności
Strategie wdrożeń produkcyjnych dla aplikacji korporacyjnych

Dlaczego EdgeAI ma znaczenie

Edge AI reprezentuje zmianę paradygmatu odpowiadającą na kluczowe wyzwania współczesności:

Prywatność i bezpieczeństwo: Przetwarzaj wrażliwe dane lokalnie bez narażania ich w chmurze
Wydajność w czasie rzeczywistym: Eliminuj opóźnienia sieciowe w aplikacjach krytycznych czasowo
Efektywność kosztowa: Zredukowanie kosztów przepustowości i obliczeń w chmurze
Odporne działanie: Utrzymanie funkcjonalności podczas awarii sieci
Zgodność regulacyjna: Spełnianie wymogów suwerenności danych

Edge AI

Edge AI oznacza uruchamianie algorytmów AI i modeli językowych lokalnie na sprzęcie, blisko miejsca generowania danych, bez polegania na zasobach chmurowych do wnioskowania. Zmniejsza to opóźnienia, zwiększa prywatność i umożliwia podejmowanie decyzji w czasie rzeczywistym.

Główne zasady:

Wnioskowanie na urządzeniu: Modele AI działają na urządzeniach brzegowych (telefony, routery, mikrokontrolery, komputery przemysłowe)
Możliwość pracy offline: Funkcjonuje bez stałego połączenia z internetem
Niskie opóźnienia: Natychmiastowe odpowiedzi odpowiednie dla systemów czasu rzeczywistego
Suwerenność danych: Przechowywanie danych wrażliwych lokalnie, co poprawia bezpieczeństwo i zgodność

Małe modele językowe (SLM)

SLM, takie jak Phi-4, Mistral-7B i Gemma, to zoptymalizowane wersje większych LLM — wytrenowane lub destylowane tak, aby zapewnić:

Zmniejszone zużycie pamięci: Efektywne wykorzystanie ograniczonej pamięci urządzeń brzegowych
Niższe zapotrzebowanie na moc obliczeniową: Optymalizacja pod kątem wydajności CPU i GPU na brzegu sieci
Szybsze uruchamianie: Szybka inicjalizacja dla responsywnych aplikacji

Umożliwiają potężne możliwości NLP, spełniając jednocześnie ograniczenia:

Systemów wbudowanych: Urządzenia IoT i kontrolery przemysłowe
Urządzeń mobilnych: Smartfony i tablety z możliwością pracy offline
Urządzeń IoT: Czujniki i inteligentne urządzenia o ograniczonych zasobach
Serwerów brzegowych: Lokalne jednostki przetwarzające z ograniczonym GPU
Komputerów osobistych: Scenariusze wdrożeń desktopowych i laptopowych

Moduły kursu i nawigacja

Moduł	Temat	Obszar	Kluczowa zawartość	Poziom	Czas trwania
📖 00	Wprowadzenie do EdgeAI	Podstawy i kontekst	Przegląd EdgeAI • Zastosowania w przemyśle • Wprowadzenie do SLM • Cele nauki	Początkujący	1-2 godziny
📚 01	Podstawy EdgeAI	Porównanie Cloud vs Edge AI	Podstawy EdgeAI • Studium przypadków • Przewodnik implementacyjny • Wdrożenie na brzegu	Początkujący	3-4 godziny
🧠 02	Podstawy modeli SLM	Rodziny modeli i architektura	Rodzina Phi • Rodzina Qwen • Rodzina Gemma • BitNET • μModel • Phi-Silica	Początkujący	4-5 godzin
🚀 03	Praktyka wdrożenia SLM	Wdrożenie lokalne i w chmurze	Zaawansowane szkolenie • Środowisko lokalne • Wdrożenie w chmurze	Średniozaawansowany	4-5 godzin
⚙️ 04	Zestaw narzędzi optymalizacji modeli	Optymalizacja multiplatformowa	Wprowadzenie • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • Synteza przepływów pracy	Średniozaawansowany	5-6 godzin
🔧 05	Produkcja SLMOps	Operacje produkcyjne	Wprowadzenie do SLMOps • Destylacja modeli • Fine-tuning • Wdrożenie produkcyjne	Zaawansowany	5-6 godzin
🤖 06	Agenci AI i wywołania funkcji	Frameworki agentów i MCP	Wprowadzenie do agentów • Wywoływanie funkcji • Protokół kontekstu modelu	Zaawansowany	4-5 godzin
💻 07	Implementacja platformy	Przykłady multiplatformowe	Zestaw narzędzi AI • Foundry Local • Programowanie Windows	Zaawansowany	3-4 godziny
🏭 08	Zestaw narzędzi Foundry Local	Przykłady gotowe do produkcji	Przykładowe aplikacje (szczegóły poniżej)	Ekspert	8-10 godzin

🏭 Moduł 08: Przykładowe aplikacje

🎓 Warsztat: Ścieżka nauki praktycznej

Kompleksowe materiały warsztatowe z wdrożeniami gotowymi do produkcji:

Przewodnik warsztatowy - Cele i efekty nauki oraz nawigacja zasobami
Przykłady Python (6 sesji) - Zaktualizowane o najlepsze praktyki, obsługę błędów i pełną dokumentację
Notatniki Jupyter (8 interaktywnych) - Krok po kroku tutoriale z benchmarkami i monitorowaniem wydajności
Przewodniki sesji - Szczegółowe przewodniki markdown dla każdej sesji warsztatowej
Narzędzia walidacyjne - Skrypty do weryfikacji jakości kodu i testów dymnych

Co zbudujesz:

Lokalne aplikacje czatu AI z obsługą streamingu
Pipeline RAG z oceną jakości (RAGAS)
Narzędzia benchmarkingu i porównania wielomodelowego
Systemy orkiestracji wielu agentów
Inteligentne routowanie modeli z wyborem według zadania

🎙️ Warsztat dla Agentic: Praktyka - Studio podcastowe AI

Zbuduj od podstaw pipeline produkcji podcastu wspieranego przez AI! Ten immersyjny warsztat nauczy Cię, jak stworzyć kompletny system wieloagentowy, który przekształca pomysły w profesjonalne odcinki podcastów.

🎬 Rozpocznij warsztaty AI Podcast Studio

Twoja misja: Uruchom "Future Bytes" — podcast technologiczny zasilany w całości przez AI, które sam stworzysz. Bez zależności chmurowych, bez kosztów API — wszystko działa lokalnie na Twoim komputerze.

Co czyni to wyjątkowym:

🤖 Prawdziwa orkiestracja wieloagentowa — Buduj specjalistyczne agenty AI, które badają, piszą i produkują audio
🎯 Kompletny pipeline produkcyjny — Od wyboru tematu po finalny plik audio podcastu
💻 Wdrożenie w 100% lokalnie — Wykorzystuje Ollamę i lokalne modele (Qwen-3-8B) dla pełnej prywatności i kontroli
🎤 Integracja tekst-na-mowę — Przekształć skrypty w naturalnie brzmiące rozmowy z udziałem wielu głosów
✋ Przepływy pracy z człowiekiem w pętli — Bramy zatwierdzania zapewniają jakość przy zachowaniu automatyzacji

Trzyaktowa podróż edukacyjna:

Akt	Fokus	Kluczowe umiejętności	Czas trwania
Akt 1: Poznaj swoich asystentów AI	Zbuduj swojego pierwszego agenta AI	Integracja narzędzi • Wyszukiwanie w sieci • Rozwiązywanie problemów • Rozumowanie agenta	2-3 godz.
Akt 2: Złóż zespół produkcyjny	Orkiestruj wielu agentów	Koordynacja zespołu • Przepływy zatwierdzania • Interfejs DevUI • Nadzór człowieka	3-4 godz.
Akt 3: Ożyw swój podcast	Generuj audio podcastu	Tekst-na-mowę • Synteza wielogłosowa • Długie formy audio • Pełna automatyzacja	2-3 godz.

Używane technologie:

Microsoft Agent Framework — Orkiestracja i koordynacja wieloagentowa
Ollama — Lokalny runtime modeli AI (bez chmury)
Qwen-3-8B — Otwartoźródłowy model językowy zoptymalizowany do zadań agentowych
API tekst-na-mowę — Naturalna synteza głosu dla generowania podcastów

Wsparcie sprzętowe:

✅ Tryb CPU — Działa na każdym nowoczesnym komputerze (zalecane 8GB+ RAM)
🚀 Przyspieszenie GPU — Znacznie szybsze wnioskowanie na kartach NVIDIA/AMD
⚡ Wsparcie NPU — Przyspieszenie dzięki jednostce neuronowej nowej generacji

Idealne dla:

Programistów uczących się systemów wieloagentowych AI
Osób zainteresowanych automatyzacją AI i przepływami pracy
Twórców treści eksplorujących produkcję wspieraną przez AI
Studentów poznających praktyczne wzorce orkiestracji AI

Zacznij budować: 🎙️ Warsztaty AI Podcast Studio →

📊 Podsumowanie ścieżki nauki

Łączny czas: 36-45 godzin
Ścieżka początkującego: Moduły 01-02 (7-9 godz.)
Ścieżka średniozaawansowanego: Moduły 03-04 (9-11 godz.)
Ścieżka zaawansowanego: Moduły 05-07 (12-15 godz.)
Ścieżka eksperta: Moduł 08 (8-10 godz.)

Co zbudujesz

🎯 Kluczowe kompetencje

Architektura Edge AI: Projektuj systemy lokalne z integracją chmurową
Optymalizacja modelu: Kwantyzacja i kompresja modeli do zastosowań edge (85% wzrost prędkości, 75% redukcja rozmiaru)
Wieloplatformowe wdrożenia: Windows, mobile, embedded i hybrydowe systemy chmura-edge
Operacje produkcyjne: Monitorowanie, skalowanie i utrzymanie edge AI w produkcji

🏗️ Projekty praktyczne

Aplikacje czatu Foundry Local: Natywna aplikacja Windows 11 ze zmianą modeli
Systemy wieloagentowe: Koordynator z agentami specjalistycznymi do złożonych przepływów pracy
Aplikacje RAG: Lokalne przetwarzanie dokumentów z wyszukiwaniem wektorowym
Routery modeli: Inteligentny wybór modeli na podstawie analizy zadań
Frameworki API: Gotowe do produkcji klienty ze streamingiem i monitorowaniem stanu
Narzędzia wieloplatformowe: Wzorce integracji LangChain/Semantic Kernel

🏢 Zastosowania branżowe

Produkcja • Opieka zdrowotna • Pojazdy autonomiczne • Inteligentne miasta • Aplikacje mobilne

Szybki start

Polecana ścieżka nauki (20-30 godzin łącznie):

📖 Wprowadzenie (Introduction.md): Podstawy EdgeAI + kontekst branżowy + framework nauki
📚 Fundamenty (Moduły 01-02): Koncepcje EdgeAI + rodziny modeli SLM
⚙️ Optymalizacja (Moduły 03-04): Wdrożenia + frameworki kwantyzacji
🚀 Produkcja (Moduły 05-06): SLMOps + agenty AI + wywoływanie funkcji
💻 Implementacja (Moduły 07-08): Przykłady platformowe + zestaw narzędzi Foundry Local

Każdy moduł zawiera teorię, ćwiczenia praktyczne i przykłady kodu gotowego do produkcji.

Wpływ na karierę

Role techniczne: Architekt rozwiązań EdgeAI • Inżynier ML (Edge) • Developer AI IoT • Mobile AI Developer

Sektory branżowe: Przemysł 4.0 • Technologie zdrowotne • Systemy autonomiczne • FinTech • Elektronika użytkowa

Projekty w portfolio: Systemy wieloagentowe • Produkcyjne aplikacje RAG • Wieloplatformowe wdrożenia • Optymalizacja wydajności

Struktura repozytorium

edgeai-for-beginners/
├── 📖 introduction.md  # Foundation: EdgeAI Overview & Learning Framework
├── 📚 Module01-04/     # Fundamentals → SLMs → Deployment → Optimization  
├── 🔧 Module05-06/     # SLMOps → AI Agents → Function Calling
├── 💻 Module07/        # Platform Samples (VS Code, Windows, Jetson, Mobile)
├── 🏭 Module08/        # Foundry Local Toolkit + 10 Comprehensive Samples
│   ├── samples/01-06/  # Foundation: REST, SDK, RAG, Agents, Routing
│   └── samples/07-10/  # Advanced: API Client, Windows App, Enterprise Agents, Tools
├── 🌐 translations/    # Multi-language support (8+ languages)
└── 📋 STUDY_GUIDE.md   # Structured learning paths & time allocation

Najważniejsze elementy kursu

✅ Stopniowa nauka: Teoria → Praktyka → Wdrożenie produkcyjne
✅ Prawdziwe studia przypadków: Microsoft, Japan Airlines, wdrożenia korporacyjne
✅ Próbki praktyczne: 50+ przykładów, 10 kompleksowych demo Foundry Local
✅ Skupienie na wydajności: 85% przyspieszenia, 75% redukcji rozmiaru
✅ Wielo-platformowość: Windows, mobile, embedded, hybrydy chmura-edge
✅ Gotowość do produkcji: Monitorowanie, skalowanie, bezpieczeństwo, zgodność

📖 Dostępny przewodnik nauki: Strukturyzowana 20-godzinna ścieżka z poradami dotyczącymi alokacji czasu i narzędziami samooceny.

EdgeAI to przyszłość wdrażania AI: lokalność w pierwszej kolejności, ochrona prywatności i efektywność. Opanuj te umiejętności, by budować nową generację inteligentnych aplikacji.

Inne kursy

Nasz zespół tworzy także inne kursy! Sprawdź:

LangChain

Azure / Edge / MCP / Agenci

Seria generatywnej AI

Podstawy nauki

Seria Copilot

Uzyskiwanie pomocy

Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI, dołącz do:

Jeśli masz uwagi dotyczące produktu lub napotykasz błędy podczas tworzenia, odwiedź:

Zastrzeżenie:
Dokument ten został przetłumaczony przy użyciu usługi tłumaczeń AI Co-op Translator. Mimo że dążymy do dokładności, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub niedokładności. Oryginalny dokument w języku oryginalnym powinien być uważany za autorytatywne źródło. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.