README.md

EdgeAI για Αρχάριους

Ακολουθήστε αυτά τα βήματα για να ξεκινήσετε να χρησιμοποιείτε αυτούς τους πόρους:

1. Κάντε Fork το Αποθετήριο: Πατήστε
2. Κλωνοποιήστε το Αποθετήριο: git clone https://github.com/microsoft/edgeai-for-beginners.git
3. Γίνετε μέλος στο Azure AI Foundry Discord και γνωρίστε ειδικούς και άλλους προγραμματιστές

🌐 Υποστήριξη Πολλαπλών Γλωσσών

Υποστηρίζεται μέσω GitHub Action (Αυτοματοποιημένο & Πάντα Ενημερωμένο)

Αραβικά | Μπενγκάλι | Βουλγαρικά | Βιρμανικά (Μιανμάρ) | Κινέζικα (Απλοποιημένα) | Κινέζικα (Παραδοσιακά, Χονγκ Κονγκ) | Κινέζικα (Παραδοσιακά, Μακάο) | Κινέζικα (Παραδοσιακά, Ταϊβάν) | Κροατικά | Τσέχικα | Δανικά | Ολλανδικά | Εσθονικά | Φινλανδικά | Γαλλικά | Γερμανικά | Ελληνικά | Εβραϊκά | Χίντι | Ουγγρικά | Ινδονησιακά | Ιταλικά | Ιαπωνικά | Κορεατικά | Λιθουανικά | Μαλαισιανά | Μαραθικά | Νεπαλικά | Νιγηριανά Pidgin | Νορβηγικά | Περσικά (Φαρσί) | Πολωνικά | Πορτογαλικά (Βραζιλία) | Πορτογαλικά (Πορτογαλία) | Παντζάμπι (Γκουρμούκι) | Ρουμανικά | Ρωσικά | Σερβικά (Κυριλλικά) | Σλοβακικά | Σλοβενικά | Ισπανικά | Σουαχίλι | Σουηδικά | Ταγκαλόγκ (Φιλιππινέζικα) | Ταμίλ | Ταϊλανδικά | Τουρκικά | Ουκρανικά | Ουρντού | Βιετναμέζικα

Αν επιθυμείτε να υποστηριχθούν επιπλέον γλώσσες, οι υποστηριζόμενες γλώσσες παρατίθενται εδώ

Εισαγωγή

Καλώς ήρθατε στο EdgeAI για Αρχάριους – το ολοκληρωμένο σας ταξίδι στον μετασχηματιστικό κόσμο της Τεχνητής Νοημοσύνης στο Edge. Αυτό το μάθημα γεφυρώνει το χάσμα μεταξύ ισχυρών δυνατοτήτων AI και πρακτικής, πραγματικής ανάπτυξης σε συσκευές edge, δίνοντάς σας τη δυνατότητα να αξιοποιήσετε το δυναμικό της AI απευθείας εκεί όπου παράγονται τα δεδομένα και λαμβάνονται οι αποφάσεις.

Τι θα Μάθετε

Αυτό το μάθημα σας καθοδηγεί από τις βασικές έννοιες έως τις υλοποιήσεις έτοιμες για παραγωγή, καλύπτοντας:

• Μικρά Μοντέλα Γλώσσας (SLMs) βελτιστοποιημένα για ανάπτυξη στο edge
• Βελτιστοποίηση με γνώμονα το υλικό σε διάφορες πλατφόρμες
• Πραγματικός χρόνος πρόβλεψης με δυνατότητες διατήρησης απορρήτου
• Στρατηγικές ανάπτυξης παραγωγής για επιχειρηματικές εφαρμογές

Γιατί Είναι Σημαντικό το EdgeAI

Το Edge AI αντιπροσωπεύει μια αλλαγή παραδείγματος που αντιμετωπίζει κρίσιμες σύγχρονες προκλήσεις:

• Απόρρητο & Ασφάλεια: Επεξεργασία ευαίσθητων δεδομένων τοπικά χωρίς έκθεση στο cloud
• Απόδοση σε Πραγματικό Χρόνο: Εξάλειψη καθυστερήσεων δικτύου για εφαρμογές κρίσιμες για το χρόνο
• Οικονομική Αποδοτικότητα: Μείωση εξόδων εύρους ζώνης και υπολογιστικής ισχύος στο cloud
• Ανθεκτική Λειτουργία: Διατήρηση λειτουργικότητας κατά τη διάρκεια διακοπών δικτύου
• Συμμόρφωση με Κανονισμούς: Ικανοποίηση απαιτήσεων κυριαρχίας δεδομένων

Edge AI

Το Edge AI αναφέρεται στην εκτέλεση αλγορίθμων AI και μοντέλων γλώσσας τοπικά σε υλικό, κοντά στο σημείο όπου παράγονται τα δεδομένα, χωρίς να βασίζεται σε πόρους cloud για πρόβλεψη. Μειώνει την καθυστέρηση, ενισχύει το απόρρητο και επιτρέπει τη λήψη αποφάσεων σε πραγματικό χρόνο.

Βασικές Αρχές:

• Πρόβλεψη στη συσκευή: Τα μοντέλα AI εκτελούνται σε συσκευές edge (τηλέφωνα, δρομολογητές, μικροελεγκτές, βιομηχανικούς υπολογιστές)
• Δυνατότητα εκτός σύνδεσης: Λειτουργεί χωρίς συνεχή σύνδεση στο διαδίκτυο
• Χαμηλή καθυστέρηση: Άμεσες αποκρίσεις κατάλληλες για συστήματα πραγματικού χρόνου
• Κυριαρχία δεδομένων: Διατηρεί ευαίσθητα δεδομένα τοπικά, βελτιώνοντας την ασφάλεια και τη συμμόρφωση

Μικρά Μοντέλα Γλώσσας (SLMs)

Τα SLMs όπως τα Phi-4, Mistral-7B και Gemma είναι βελτιστοποιημένες εκδόσεις μεγαλύτερων LLMs—εκπαιδευμένα ή αποσταγμένα για:

• Μειωμένο αποτύπωμα μνήμης: Αποτελεσματική χρήση περιορισμένης μνήμης συσκευών edge
• Χαμηλότερη υπολογιστική απαίτηση: Βελτιστοποιημένα για απόδοση CPU και edge GPU
• Ταχύτεροι χρόνοι εκκίνησης: Γρήγορη αρχικοποίηση για άμεσες εφαρμογές

Απελευθερώνουν ισχυρές δυνατότητες NLP ενώ πληρούν τους περιορισμούς:

• Ενσωματωμένων συστημάτων: Συσκευές IoT και βιομηχανικοί ελεγκτές
• Κινητών συσκευών: Smartphones και tablets με δυνατότητες εκτός σύνδεσης
• Συσκευών IoT: Αισθητήρες και έξυπνες συσκευές με περιορισμένους πόρους
• Edge servers: Τοπικές μονάδες επεξεργασίας με περιορισμένους πόρους GPU
• Προσωπικών Υπολογιστών: Σενάρια ανάπτυξης σε επιτραπέζιους και φορητούς υπολογιστές

Ενότητες Μαθήματος & Πλοήγηση

Ενότητα	Θέμα	Περιοχή Εστίασης	Κύριο Περιεχόμενο	Επίπεδο	Διάρκεια
📖 00	Εισαγωγή στο EdgeAI	Βάση & Πλαίσιο	Επισκόπηση EdgeAI • Εφαρμογές Βιομηχανίας • Εισαγωγή SLM • Στόχοι Μάθησης	Αρχάριος	1-2 ώρες
📚 01	Βασικά Στοιχεία EdgeAI	Σύγκριση Cloud vs Edge AI	Βασικά Στοιχεία EdgeAI • Μελέτες Περιπτώσεων • Οδηγός Υλοποίησης • Ανάπτυξη Edge	Αρχάριος	3-4 ώρες
🧠 02	Βάσεις Μοντέλων SLM	Οικογένειες μοντέλων & αρχιτεκτονική	Οικογένεια Phi • Οικογένεια Qwen • Οικογένεια Gemma • BitNET • μModel • Phi-Silica	Αρχάριος	4-5 ώρες
🚀 03	Πρακτική Ανάπτυξη SLM	Τοπική & cloud ανάπτυξη	Προχωρημένη Μάθηση • Τοπικό Περιβάλλον • Ανάπτυξη στο Cloud	Μεσαίο	4-5 ώρες
⚙️ 04	Εργαλειοθήκη Βελτιστοποίησης Μοντέλων	Βελτιστοποίηση πολλαπλών πλατφορμών	Εισαγωγή • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • Σύνθεση Ροής Εργασίας	Μεσαίο	5-6 ώρες
🔧 05	SLMOps Παραγωγής	Λειτουργίες παραγωγής	Εισαγωγή SLMOps • Απόσταξη Μοντέλων • Fine-tuning • Ανάπτυξη Παραγωγής	Προχωρημένο	5-6 ώρες
🤖 06	Πράκτορες AI & Κλήση Λειτουργιών	Πλαίσια πρακτόρων & MCP	Εισαγωγή Πρακτόρων • Κλήση Λειτουργιών • Πρωτόκολλο Πλαισίου Μοντέλου	Προχωρημένο	4-5 ώρες
💻 07	Υλοποίηση Πλατφόρμας	Δείγματα πολλαπλών πλατφορμών	Εργαλειοθήκη AI • Foundry Local • Ανάπτυξη Windows	Προχωρημένο	3-4 ώρες
🏭 08	Εργαλειοθήκη Foundry Local	Δείγματα έτοιμα για παραγωγή	Δείγματα εφαρμογών (δείτε λεπτομέρειες παρακάτω)	Ειδικός	8-10 ώρες

🏭 Ενότητα 08: Δείγματα Εφαρμογών

• 01: Γρήγορη Εκκίνηση REST Chat
• 02: Ενσωμάτωση OpenAI SDK
• 03: Ανακάλυψη & Αξιολόγηση Μοντέλων
• 04: Εφαρμογή Chainlit RAG
• 05: Ορχήστραση Πολλαπλών Πρακτόρων
• 06: Router Εργαλείων Μοντέλων
• 07: Άμεσος Πελάτης API
• 08: Εφαρμογή Chat για Windows 11
• 09: Προηγμένο Σύστημα Πολλαπλών Πρακτόρων
• 10: Πλαίσιο Εργαλείων Foundry

🎓 Εργαστήριο: Διαδρομή Μάθησης με Πρακτική Εφαρμογή

Ολοκληρωμένα υλικά εργαστηρίου με υλοποιήσεις έτοιμες για παραγωγή:

• Οδηγός Εργαστηρίου - Πλήρεις στόχοι μάθησης, αποτελέσματα και πλοήγηση πόρων
• Δείγματα Python (6 συνεδρίες) - Ενημερωμένα με βέλτιστες πρακτικές, διαχείριση σφαλμάτων και πλήρη τεκμηρίωση
• Jupyter Notebooks (8 διαδραστικά) - Βήμα-βήμα οδηγοί με αξιολογήσεις και παρακολούθηση απόδοσης
• Οδηγοί Συνεδριών - Αναλυτικοί οδηγοί markdown για κάθε συνεδρία εργαστηρίου
• Εργαλεία Επικύρωσης - Σενάρια για επαλήθευση ποιότητας κώδικα και εκτέλεση δοκιμών

Τι θα Δημιουργήσετε:

• Τοπικές εφαρμογές AI chat με υποστήριξη ροής
• RAG pipelines με αξιολόγηση ποιότητας (RAGAS)
• Εργαλεία αξιολόγησης και σύγκρισης πολλαπλών μοντέλων
• Συστήματα ορχήστρας πολλαπλών πρακ
• Λειτουργίες Παραγωγής: Παρακολούθηση, κλιμάκωση και συντήρηση edge AI σε παραγωγή

🏗️ Πρακτικά Έργα

• Foundry Local Chat Apps: Εφαρμογή Windows 11 με δυνατότητα αλλαγής μοντέλων
• Συστήματα Πολλαπλών Πρακτόρων: Συντονιστής με εξειδικευμένους πράκτορες για σύνθετες ροές εργασίας
• Εφαρμογές RAG: Επεξεργασία τοπικών εγγράφων με αναζήτηση μέσω διανυσμάτων
• Δρομολογητές Μοντέλων: Έξυπνη επιλογή μεταξύ μοντέλων βάσει ανάλυσης εργασιών
• Πλαίσια API: Πελάτες έτοιμοι για παραγωγή με streaming και παρακολούθηση υγείας
• Εργαλεία Πολλαπλών Πλατφορμών: Ενσωμάτωση LangChain/Semantic Kernel

🏢 Εφαρμογές Βιομηχανίας

Βιομηχανία • Υγειονομική Περίθαλψη • Αυτόνομα Οχήματα • Έξυπνες Πόλεις • Εφαρμογές Κινητών

Γρήγορη Έναρξη

Προτεινόμενη Διαδρομή Μάθησης (20-30 ώρες συνολικά):

0. 📖 Εισαγωγή (Introduction.md): Βάση EdgeAI + βιομηχανικό πλαίσιο + πλαίσιο μάθησης
1. 📚 Βάση (Ενότητες 01-02): Έννοιες EdgeAI + οικογένειες μοντέλων SLM
2. ⚙️ Βελτιστοποίηση (Ενότητες 03-04): Ανάπτυξη + πλαίσια ποσοτικοποίησης
3. 🚀 Παραγωγή (Ενότητες 05-06): SLMOps + AI πράκτορες + κλήση λειτουργιών
4. 💻 Υλοποίηση (Ενότητες 07-08): Δείγματα πλατφόρμας + εργαλειοθήκη Foundry Local

Κάθε ενότητα περιλαμβάνει θεωρία, πρακτικές ασκήσεις και δείγματα κώδικα έτοιμα για παραγωγή.

Επίδραση στην Καριέρα

Τεχνικοί Ρόλοι: Αρχιτέκτονας Λύσεων EdgeAI • Μηχανικός ML (Edge) • Προγραμματιστής IoT AI • Προγραμματιστής Κινητών AI

Τομείς Βιομηχανίας: Βιομηχανία 4.0 • Τεχνολογία Υγείας • Αυτόνομα Συστήματα • FinTech • Καταναλωτικά Ηλεκτρονικά

Έργα Χαρτοφυλακίου: Συστήματα πολλαπλών πρακτόρων • Εφαρμογές RAG παραγωγής • Ανάπτυξη πολλαπλών πλατφορμών • Βελτιστοποίηση απόδοσης

Δομή Αποθετηρίου

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

Σημεία Αναφοράς Μαθήματος

✅ Προοδευτική Μάθηση: Θεωρία → Πρακτική → Ανάπτυξη παραγωγής
✅ Πραγματικές Μελέτες Περίπτωσης: Microsoft, Japan Airlines, εταιρικές υλοποιήσεις
✅ Πρακτικά Δείγματα: 50+ παραδείγματα, 10 ολοκληρωμένα demos Foundry Local
✅ Εστίαση στην Απόδοση: 85% βελτιώσεις ταχύτητας, 75% μειώσεις μεγέθους
✅ Πολλαπλές Πλατφόρμες: Windows, κινητά, ενσωματωμένα, υβριδικό cloud-edge
✅ Έτοιμο για Παραγωγή: Παρακολούθηση, κλιμάκωση, ασφάλεια, πλαίσια συμμόρφωσης

📖 Διαθέσιμος Οδηγός Μελέτης: Δομημένη διαδρομή μάθησης 20 ωρών με καθοδήγηση κατανομής χρόνου και εργαλεία αυτοαξιολόγησης.

---

Το EdgeAI αντιπροσωπεύει το μέλλον της ανάπτυξης AI: τοπικό πρώτα, με σεβασμό στην ιδιωτικότητα και αποδοτικό. Μάθετε αυτές τις δεξιότητες για να δημιουργήσετε την επόμενη γενιά έξυπνων εφαρμογών.

Άλλα Μαθήματα

Η ομάδα μας δημιουργεί και άλλα μαθήματα! Δείτε:

Azure / Edge / MCP / Agents

---

Σειρά Generative AI

---

Βασική Μάθηση

---

Σειρά Copilot

Λήψη Βοήθειας

Αν αντιμετωπίσετε δυσκολίες ή έχετε ερωτήσεις σχετικά με την ανάπτυξη εφαρμογών AI, συμμετάσχετε:

Αν έχετε σχόλια για προϊόντα ή σφάλματα κατά την ανάπτυξη, επισκεφθείτε:

---

Αποποίηση ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης Co-op Translator. Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.