README.md

EdgeAI प्रारम्भकर्ताहरूका लागि

यी स्रोतहरू प्रयोग गर्न सुरू गर्न यी चरणहरू पालना गर्नुहोस्:

1. रिपोजिटोरी फोर्क गर्नुहोस्: क्लिक गर्नुहोस्
2. रिपोजिटोरी क्लोन गर्नुहोस्: git clone https://github.com/microsoft/edgeai-for-beginners.git
3. Azure AI Foundry Discordमा सहभागी हुनुहोस् र विशेषज्ञहरू र सह-डेभलपरहरूसँग भेटघाट गर्नुहोस्

🌐 बहुभाषिक समर्थन

GitHub Action मार्फत समर्थित (स्वचालित & सँधै अद्यावधिक)

अरेबिक | बंगाली | बुल्गेरियन | बर्मेली (म्यानमार) | चिनियाँ (सरलीकृत) | चिनियाँ (परम्परागत, होङकङ) | चिनियाँ (परम्परागत, मकाऊ) | चिनियाँ (परम्परागत, ताइवान) | क्रोएशियाली | चेक | ड्यानीश | डच | इस्टोनियन | फिनिश | फ्रेञ्च | जर्मन | ग्रीक | हिब्रू | हिन्दी | हंगेरीयन | इन्डोनेसियन | इटालियन | जापानी | कन्नड | कोरियन | लिथुनियन | मलय | मलयालम | मराठी | नेपाली | नाइजीरियन पिजिन | नर्वेजियन | फारसी (पर्सियन) | पोलिस | पोर्चुगिज (ब्राजिल) | पोर्चुगिज (पोर्चुगल) | पञ्जाबी (गुरुमुखी) | रोमानियन | रूसी | सर्बियन (सिरिलिक) | स्लोभाक | स्लोभेनियन | स्पेनी | स्वाहिली | स्विडिश | ट्यागालग (फिलिपिनो) | तमिल | तेलुगू | थाई | टर्किश | युक्रेनीयन | उर्दू | भियतनामी

स्थानीय रूपमा क्लोन गर्न रुचाउनुहुन्छ?

यस रिपोजिटोरीमा ५०+ भाषाहरूको अनुवाद समावेश छ जसले डाउनलोड साइजलाई उल्लेखनीय रूपमा बढाउँछ। अनुवाद बिना क्लोन गर्न, sparse checkout प्रयोग गर्नुहोस्:

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'

यसले तपाइँलाई कोर्स पूरा गर्न आवश्यक सबै केही धेरै छिटो डाउनलोडको साथ दिन्छ।

यदि तपाइँ थप अनुवाद भाषाहरू समर्थन गर्न चाहनुहुन्छ भने ती यहाँ सूचीबद्ध छन्

परिचय

EdgeAI प्रारम्भकर्ताहरूका लागि मा स्वागत छ – एज कृत्रिम बुद्धिमत्ताको परिवर्तनकारी संसारमा तपाईँको व्यापक यात्रा। यस कोर्सले शक्तिशाली AI क्षमताहरू र एज उपकरणहरूमा व्यावहारिक, वास्तविक-विश्वमा परिनियोजन बीचको खाडललाई पूर्ति गर्दछ, तपाईंलाई डेटा उत्पन्न हुने र निर्णय लिनु पर्ने ठाउँमा नै AI को सम्भावनाहरूको उपयोग गर्न सशक्त पार्छ।

तपाईंले के सिक्नुहुनेछ

यो कोर्सले तपाईंलाई आधारभूत अवधारणाहरूबाट उत्पादन-तय लागू गर्नसम्म लैजान्छ, जसमा समावेश छन्:

• एज परिनियोजनका लागि अनुकूलित सानो भाषा मोडेलहरू (SLMs)
• विभिन्न प्लेटफर्महरूमा हार्डवेयर-सचेत अनुकूलन
• प्राइभेसी-सुरक्षित क्षमतासहित रियल-टाइम अनुमान
• उद्यम अनुप्रयोगहरूको लागि उत्पादन परिनियोजन रणनीतिहरू

किन EdgeAI महत्त्वपूर्ण छ

Edge AI मा एउटा रूपान्तरण हो जसले आधुनिक चुनौतीहरूलाई सम्बोधन गर्छ:

• प्राइभेसी र सुरक्षा: क्लाउडमा नजाने गरी संवेदनशील डेटा स्थानीय स्तरमा प्रशोधन गर्नुहोस्
• रियल-टाइम प्रदर्शन: समय संवेदनशील अनुप्रयोगहरूको लागि नेटवर्क ढिलाइ हटाउनुहोस्
• लागत प्रभावकारिता: ब्यान्डविथ र क्लाउड कम्प्युटिङ खर्च घटाउनुहोस्
• टिकाउ सञ्चालनहरू: नेटवर्क अवरोधको समयमा पनि कार्यक्षमता कायम राख्नुहोस्
• नियमितता अनुपालन: डेटा संप्रभुता आवश्यकताहरू पूरा गर्नुहोस्

Edge AI

Edge AI भनेको AI एल्गोरिदम र भाषा मोडेलहरूलाई डेटा उत्पन्न भएको नजिकै, क्लाउड स्रोतहरूमा निर्भर नगरी स्थानीय रूपमा चलाउनु हो। यसले ढिलाइ घटाउँछ, गोपनीयता बढाउँछ, र रियल-टाइम निर्णय लिन मद्दत गर्दछ।

मुख्य सिद्धान्तहरू:

• डिभाइसमै inference: AI मोडेलहरू एज उपकरण (फोन, राउटर, माइक्रोकन्ट्रोलर, औद्योगिक PC) मा चल्छन्
• अफलाइन क्षमता: स्थायी इन्टरनेट कनेक्टिविटी बिना पनि काम गर्छ
• न्यूनतम ढिलाइ: रियल-टाइम प्रणालीहरूको लागि तुरुन्त प्रतिक्रिया
• डेटा संप्रभुता: संवेदनशील डेटा स्थानीय राखेर सुरक्षा र अनुपालन सुधार्ने

सानो भाषा मोडेलहरू (SLMs)

Phi-4, Mistral-7B, र Gemma जस्ता SLM हरू ठूलो LLM हरूका अनुकूलित संस्करणहरू हुन्—प्रशिक्षित वा डिस्टिल गरिएका जसका विशेषताहरू:

• संस्मरण कम गरियो: सीमित एज डिभाइस स्मृति उपयोगका लागि कुशल
• कम कम्प्युटिङ आवश्यकताहरू: CPU र एज GPU प्रदर्शनको लागि अनुकूलित
• छिटो शुरुवात समय: प्रतिक्रियाशील अनुप्रयोगहरूको लागि तिव्र प्रारम्भ

यीले शक्तिशाली NLP क्षमता खोल्छन् र समसामयिक सीमाहरू अनुसार कार्य गर्न सक्षम छन्:

• एम्बेडेड प्रणालीहरू: IoT उपकरण र औद्योगिक कन्ट्रोलरहरू
• मोबाइल उपकरणहरू: स्मार्टफोन र ट्याब्लेटहरू जसमा अफलाइन सुविधा छ
• IoT उपकरणहरू: सीमित स्रोतका सेन्सर र स्मार्ट उपकरणहरू
• एज सर्भरहरू: सीमित GPU स्रोतसहित स्थानीय प्रशोधन इकाइहरू
• व्यक्तिगत कम्प्युटरहरू: डेस्कटप र ल्यापटप परिनियोजन परिदृश्यहरू

कोर्स मोड्युलहरू र नेभिगेसन

मोड्युल	विषय	फोकस क्षेत्र	मुख्य सामग्री	स्तर	अवधि
📖 ००	EdgeAI परिचय	आधार र सन्दर्भ	EdgeAI अवलोकन • उद्योग अनुप्रयोगहरू • SLM परिचय • सिकाइ लक्ष्यहरू	प्रारम्भिक	१-२ घण्टा
📚 ०१	EdgeAI आधारहरू	क्लाउड विरुद्ध एज AI तुलना	EdgeAI आधारहरू • वास्तविक विश्व केस अध्ययनहरू • कार्यान्वयन मार्गनिर्देशन • एज परिनियोजन	प्रारम्भिक	३-४ घण्टा
🧠 ०२	SLM मोडेलका आधारहरू	मोडेल परिवार र वास्तुकला	Phi परिवार • Qwen परिवार • Gemma परिवार • BitNET • μModel • Phi-Silica	प्रारम्भिक	४-५ घण्टा
🚀 ०३	SLM परिनियोजन अभ्यास	स्थानीय र क्लाउड परिनियोजन	उन्नत सिकाइ • स्थानीय वातावरण • क्लाउड परिनियोजन	मध्यवर्ती	४-५ घण्टा
⚙️ ०४	मोडेल अनुकूलन उपकरणक	क्रस-प्लेटफर्म अनुकूलन	परिचय • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • कार्यप्रवाह संश्लेषण	मध्यवर्ती	५-६ घण्टा
🔧 ०५	SLMOps उत्पादन	उत्पादन सञ्चालनहरू	SLMOps परिचय • मोडेल डिस्टिलीशन • फाइन-ट्युनिङ • उत्पादन परिनियोजन	उन्नत	५-६ घण्टा
🤖 ०६	AI एजेन्ट र फङ्क्शन कलिङ	एजेन्ट फ्रेमवर्क र MCP	एजेन्ट परिचय • फङ्क्शन कलिङ • मोडेल सन्दर्भ प्रोटोकल	उन्नत	४-५ घण्टा
💻 ०७	प्लेटफर्म कार्यान्वयन	क्रस-प्लेटफर्म नमूना	AI उपकरणक • Foundry Local • Windows विकास	उन्नत	३-४ घण्टा
🏭 ०८	Foundry Local उपकरणक	उत्पादन-तय नमूना	नमूना अनुप्रयोगहरू (तल विवरण हेर्नुहोस्)	विशेषज्ञ	८-१० घण्टा

🏭 मोड्युल ०८: नमूना अनुप्रयोगहरू

• ०१: REST च्याट क्विकस्टार्ट
• ०२: OpenAI SDK एकीकरण
• ०३: मोडेल खोज र तुलना
• ०४: Chainlit RAG अनुप्रयोग
• ०५: बहु-एजेन्ट समन्वय
• ०६: मोडेल-ए-टुल्स राउटर
• ०७: प्रत्यक्ष API क्लाइन्ट
• ०८: Windows 11 च्याट एप
• ०९: उन्नत बहु-एजेन्ट प्रणाली
• १०: Foundry उपकरण फ्रेमवर्क

🎓 कार्यशाला: व्यावहारिक सिकाइ मार्ग

उत्पादन-तय कार्यान्वयन सहित व्यापक व्यावहारिक कार्यशाला सामग्री:

• कार्यशाला मार्गनिर्देशन - पूर्ण सिकाइ लक्ष्यहरू, परिणामहरू, र स्रोत नेभिगेसन
• Python नमूना फाइलहरू (६ सत्रहरू) - उत्कृष्ट अभ्यास, त्रुटि ह्यान्डलिङ, र व्यापक डकुमेन्टेशनसहित अद्यावधिक
• Jupyter नोटबुकहरू (८ अन्तरक्रियात्मक) - चरण-दर-चरण ट्यूटोरियलहरू र प्रदर्शन निगरानी सहित
• सत्र मार्गनिर्देशनहरू - प्रत्येक कार्यशाला सत्रका लागि विस्तृत मार्कडाउन मार्गनिर्देशनहरू
• मान्यकरण उपकरणहरू - कोड गुणस्तर जाँच्न र स्मोक परीक्षणहरू चलाउनका लागि स्क्रिप्टहरू

तपाईंले के बनाउनुहुनेछ:

• स्ट्रीमिङ समर्थन सहित स्थानीय AI च्याट अनुप्रयोगहरू
• गुणस्तर मूल्याङ्कन (RAGAS) सहित RAG पाइपलाइनहरू
• बहु-मोडेल तुलना र परीक्षण उपकरणहरू
• बहु-एजेन्ट समन्वय प्रणालीहरू
• कार्य-आधारित छनोटसहित बुद्धिमान मोडेल राउटिङ

🎙️ Agentic को लागि कार्यशाला: व्यावहारिक - AI पोडकास्ट स्टुडियो

शून्यबाट AI-संचालित पोडकास्ट उत्पादन पाइपलाइन निर्माण गर्नुहोस्! यो गहिरो कार्यशालेले तपाईँलाई सम्पूर्ण बहु-एजेन्ट प्रणाली सिर्जना गर्न सिकाउँछ जसले विचारहरूलाई व्यावसायिक पोडकास्ट एपिसोडहरूमा परिवर्तन गर्छ। 🎬 AI पोडकास्ट स्टुडियो कार्यशाला सुरु गर्नुहोस्

तपाईंको मिशन: "Future Bytes" सुरु गर्नुहोस् — पूर्ण रूपमा तपाईंले आफैले निर्माण गर्ने AI एजेन्टहरूले सञ्चालित एक टेक पोडकास्ट। कुनै क्लाउड निर्भरता छैन, कुनै API लागत छैन — सबै तपाईंको मेसिनमा स्थानीय रूपमा चल्छ।

यसलाई अद्वितीय बनाउने कुरा:

• 🤖 वास्तविक बहु-एजेन्ट समन्वय - विशेष AI एजेन्टहरू निर्माण गर्नुहोस् जो अनुसन्धान, लेखन र अडियो उत्पादन गर्छन्
• 🎯 पूर्ण उत्पादन पाइपलाइन - विषय चयनदेखि अन्तिम पोडकास्ट अडियो उत्पादनसम्म
• 💻 १००% स्थानीय वितरण - पूर्ण गोपनीयता र नियन्त्रणका लागि Ollama र स्थानीय मोडेलहरू (Qwen-3-8B) प्रयोग गर्दछ
• 🎤 टेक्स्ट-टु-स्पीच एकीकरण - स्क्रिप्टहरूलाई प्राकृतिक सुनिने बहु-बक्ता संवादहरूमा रूपान्तरण गर्नुहोस्
• ✋ मानव-इन-द-लुप कार्यप्रवाहहरू - स्वीकृति गेटहरूले गुणस्तर सुनिश्चित गर्दछन् भने स्वचालन अपनाइन्छ

त्रि-अंक सिकाइ यात्रा:

अंक	केन्द्रित	मुख्य सीपहरू	अवधि
अंक १: तपाईंका AI सहायकहरूलाई भेट्नुहोस्	तपाईंको पहिलो AI एजेन्ट निर्माण गर्नुहोस्	उपकरण एकीकरण • वेब खोज • समस्या समाधान • एजेन्टिक तर्क	२-३ घण्टा
अंक २: तपाईंको उत्पादन टीम जुटाउनुहोस्	धेरै एजेन्टहरूको समन्वय गर्नुहोस्	टीम समन्वय • स्वीकृति कार्यप्रवाहहरू • DevUI इन्टरफेस • मानव निरीक्षण	३-४ घण्टा
अंक ३: तपाईंको पोडकास्टलाई जीवन्त बनाउनुहोस्	पोडकास्ट अडियो उत्पादन गर्नुहोस्	टेक्स्ट-टु-स्पीच • बहु-बक्ता संश्लेषण • लामो स्वरूप अडियो • पूर्ण स्वचालन	२-३ घण्टा

प्रयोग गरिएका प्रविधिहरू:

• Microsoft एजेन्ट फ्रेमवर्क - बहु-एजेन्ट समन्वय र संयोजन
• Ollama - स्थानीय AI मोडेल रनटाइम (क्लाउड आवश्यक छैन)
• Qwen-3-8B - एजेन्टिक कार्यका लागि अनुकूलित खुला स्रोत भाषा मोडेल
• टेक्स्ट-टु-स्पीच API हरू - पोडकास्ट उत्पादनको लागि प्राकृतिक आवाज संश्लेषण

हार्डवेयर समर्थन:

• ✅ CPU मोड - कुनै पनि आधुनिक कम्प्युटरमा काम गर्छ (८GB+ RAM सिफारिस गरिएको)
• 🚀 GPU एक्सेलेरेशन - NVIDIA/AMD GPU हरू सँग उल्लेखनीय छिटो इन्फरेन्स
• ⚡ NPU समर्थन - नयाँ पुस्ताको न्यूरल प्रोसेसिंग यूनिट एक्सेलेरेशन

उपयुक्त व्यक्तिहरूको लागि:

• बहु-एजेन्ट AI प्रणाली सिक्ने विकासकर्ताहरू
• AI स्वचालन र कार्यप्रवाहहरूमा रुचि राख्ने सबै
• AI-सहायता प्राप्त उत्पादनहरू अन्वेषण गर्ने सामग्री निर्माता
• व्यावहारिक AI समन्वय ढाँचाहरू अध्ययन गर्ने विद्यार्थीहरू

निर्माण सुरु गर्नुहोस्: 🎙️ AI पोडकास्ट स्टुडियो कार्यशाला →

📊 सिकाइ मार्ग सारांश

• कुल अवधि: ३६-४५ घण्टा
• शुरुवाती मार्ग: मोड्युल ०१-०२ (७-९ घण्टा)
• मध्यम मार्ग: मोड्युल ०३-०४ (९-११ घण्टा)
• उन्नत मार्ग: मोड्युल ०५-०७ (१२-१५ घण्टा)
• विशेषज्ञ मार्ग: मोड्युल ०८ (८-१० घण्टा)

तपाईं के निर्माण गर्नुहुनेछ

🎯 मुख्य क्षमता

• एज AI आर्किटेक्चर: स्थानीय-प्रथम AI प्रणालीको डिजाइन क्लाउड एकीकरण सहित
• मोडेल अनुकूलन: एजिन वितरणका लागि मोडेलहरू सङ्कुचन र क्वान्टाइजेसन (८५% छिटो, ७५% साइज घटाउ)
• बहु-प्लेटफर्म वितरण: विन्डोज, मोबाइल, एम्बेडेड, र क्लाउड-एज हाइब्रिड प्रणालीहरू
• उत्पादन सञ्चालनहरू: एज AI को निगरानी, मापन, र मर्मत

🏗️ व्यावहारिक परियोजनाहरू

• फाउन्ड्री स्थानीय च्याट एपहरू: मोडेल स्विचिङसहित Windows 11 नेटिभ एप्लिकेसन
• बहु-एजेन्ट प्रणालीहरू: जटिल कार्यप्रवाहका लागि समन्वयक र विशेषज्ञ एजेन्टहरू
• RAG एप्लिकेसनहरू: स्थानीय दस्तावेज प्रशोधन र भेक्टर खोज
• मोडेल राउटरहरू: कार्य विश्लेषणको आधारमा मोडेलको बौद्धिक छनोट
• API फ्रेमवर्कहरू: स्ट्रिमिङ र स्वास्थ्य निगरानी सहित उत्पादन-योग्य ग्राहकहरू
• क्रस-प्लेटफर्म उपकरणहरू: LangChain/Semantic Kernel एकीकरण ढाँचाहरू

🏢 उद्योग प्रयोगहरू

निर्माण • स्वास्थ्य सेवा • स्वचालित वाहनहरू • स्मार्ट सिटीज • मोबाइल एपहरू

छिटो सुरु

सिफारिस गरिएको सिकाइ मार्ग (कुल २०-३० घण्टा):

०. 📖 परिचय (Introduction.md): EdgeAI आधार + उद्योग सन्दर्भ + सिकाइ ढाँचा
१. 📚 आधार (मोड्युल ०१-०२): EdgeAI अवधारणाहरू + SLM मोडेल परिवारहरू
२. ⚙️ अनुकूलन (मोड्युल ०३-०४): वितरण + क्वान्टाइजेसन फ्रेमवर्कहरू
३. 🚀 उत्पादन (मोड्युल ०५-०६): SLMOps + AI एजेन्टहरू + फङ्क्शन कलिंग
४. 💻 कार्यान्वयन (मोड्युल ०७-०८): प्लेटफर्म नमूनाहरू + फाउन्ड्री स्थानीय टुलकिट

प्रत्येक मोड्युलमा सिद्धान्त, व्यावहारिक अभ्यासहरू, र उत्पादन-योग्य कोड नमूनाहरू समावेश छन्।

करियर प्रभाव

प्राविधिक भूमिकाहरू: EdgeAI सोलुसन आर्किटेक्ट • ML इन्जिनियर (एज) • IoT AI विकासकर्ता • मोबाइल AI विकासकर्ता

उद्योग क्षेत्रहरू: निर्माण ४.० • स्वास्थ्य प्रविधि • स्वायत्त प्रणालीहरू • फिनटेक • उपभोक्ता इलेक्ट्रोनिक्स

पोर्टफोलियो परियोजनाहरू: बहु-एजेन्ट प्रणालीहरू • उत्पादन RAG एपहरू • क्रस-प्लेटफर्म वितरण • प्रदर्शन सुधार

रिपोजिटरी संरचना

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

पाठ्यक्रम हाइलाइटहरू

✅ प्रगतिशील सिकाइ: सिद्धान्त → अभ्यास → उत्पादन वितरण
✅ वास्तविक केस अनुसन्धानहरू: Microsoft, Japan Airlines, उद्यम कार्यान्वयनहरू
✅ व्यावहारिक नमूनाहरू: ५०+ उदाहरणहरू, १० व्यापक फाउन्ड्री लोकल डेमोहरू
✅ प्रदर्शन केन्द्रित: ८५% छिटो सुधार, ७५% साइज घटाउ
✅ बहु-प्लेटफर्म: विन्डोज, मोबाइल, एम्बेडेड, क्लाउड-एज हाइब्रिड
✅ उत्पादन योग्य: निगरानी, मापन, सुरक्षा, अनुपालन फ्रेमवर्कहरू

📖 अध्ययन गाइड उपलब्ध: संरचित २०-घण्टाको सिकाइ मार्ग समय आवंटन मार्गदर्शन र आत्म-मूल्यांकन उपकरणहरूसहित।

---

EdgeAI भविष्यको AI वितरण प्रतिनिधित्व गर्दछ: स्थानीय-प्रथम, गोपनीयतालाई संरक्षण गर्ने, र प्रभावकारी। यी सीपहरूमा पारंगत भएर बुद्धिमान अनुप्रयोगहरूको अर्को पुस्ता निर्माण गर्नुहोस्।

अन्य पाठ्यक्रमहरू

हाम्रो टोलीले अन्य पाठ्यक्रमहरू उत्पादन गर्छ! हेर्नुहोस्:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Core Learning

---

Copilot Series

मद्दत प्राप्त गर्नुहोस्

यदि तपाईं अड्कनु भएको छ वा एआई एपहरू बनाउन सम्बन्धी कुनै प्रश्न छ भने, सामेल हुनुहोस्:

यदि तपाईंसँग उत्पादन प्रतिक्रिया वा त्रुटिहरू छन् भने, भ्रमण गर्नुहोस्:

---

अस्वीकरण:
यो दस्तावेज Co-op Translator नामक AI अनुवाद सेवा प्रयोग गरेर अनुवादित गरिएको हो। हामी शुद्धताका लागि प्रयासरत छौं तर कृपया ध्यान राख्नुहोस् कि स्वचालित अनुवादमा त्रुटि वा अशुद्धता हुन सक्दछ। मूल भाषामा रहेको दस्तावेज प्रमाणीकरण स्रोत मानिनु पर्छ। महत्वपूर्ण जानकारीका लागि व्यावसायिक मानवीय अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलत बुझाइ वा व्याख्याका लागि हामी जिम्मेवार हुने छैनौं।