README.md

EdgeAI za Početnike

Slijedite ove korake za početak korištenja ovih resursa:

1. Forkajte repozitorij: Kliknite
2. Klonirajte repozitorij: git clone https://github.com/microsoft/edgeai-for-beginners.git
3. Pridružite se Azure AI Foundry Discord zajednici i upoznajte stručnjake i kolege developere

🌐 Višejezična Podrška

Podržano preko GitHub Akcije (Automatski i Uvijek Ažurirano)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Preferirate li kloniranje lokalno?

Ovaj repozitorij uključuje više od 50 prevoda na različite jezike što značajno povećava veličinu preuzimanja. Za kloniranje bez prijevoda koristite sparse checkout:

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'

Ovo vam daje sve što trebate da završite tečaj s puno bržim preuzimanjem.

Ako želite dodatnu podršku za prijevode na drugim jezicima, popis podržanih jezika nalazi se ovdje

Uvod

Dobrodošli u EdgeAI za Početnike – vaše sveobuhvatno putovanje u transformativni svijet Edge umjetne inteligencije. Ovaj tečaj premošćuje jaz između moćnih AI mogućnosti i praktične, stvarne primjene na edge uređajima, omogućujući vam da iskoristite potencijal AI-ja izravno tamo gdje se podaci generiraju i gdje je potrebno donositi odluke.

Što ćete ovladati

Ovaj tečaj vodi vas od osnovnih pojmova do proizvodno spremnih implementacija, pokrivajući:

• Male Jezične Modele (SLM) optimizirane za edge implementaciju
• Optimizaciju svjesnu hardvera na raznolikim platformama
• Realtimsku inferencu s mogućnostima zaštite privatnosti
• Strategije proizvodnog postavljanja za korporativne aplikacije

Zašto je EdgeAI važan

Edge AI predstavlja paradigmu koja odgovara na ključne moderne izazove:

• Privatnost i sigurnost: Obrada osjetljivih podataka lokalno bez izlaganja oblaku
• Realtimske performanse: Eliminacija mrežnog kašnjenja za aplikacije koje zahtijevaju trenutne odgovore
• Učinkovitost troškova: Smanjenje troškova propusnosti i računarstva u oblaku
• Otpornost rada: Održavanje funkcionalnosti tijekom prekida mreže
• Zadovoljavanje regulativa: Ispunjavanje zahtjeva za suverenitetom podataka

Edge AI

Edge AI označava pokretanje AI algoritama i jezičnih modela lokalno na hardveru, blizu mjesta gdje se podaci generiraju, bez oslanjanja na oblačne resurse za inferencu. To smanjuje kašnjenje, povećava privatnost i omogućava donošenje odluka u stvarnom vremenu.

Temeljna načela:

• Inferenca na uređaju: AI modeli se izvršavaju na edge uređajima (telefoni, ruteri, mikrokontroleri, industrijska računala)
• Funkcioniranje offline: Radi bez stalne internetske veze
• Nisko kašnjenje: Trenutni odgovori prikladni za sustave u stvarnom vremenu
• Suverenitet podataka: Čuva osjetljive podatke lokalno, poboljšavajući sigurnost i usklađenost

Mali Jezični Modeli (SLM)

SLM-ovi poput Phi-4, Mistral-7B i Gemma su optimizirane verzije većih LLM-ova — trenirani ili destilirani za:

• Smanjenu memorijsku potrošnju: Efikasno korištenje ograničene memorije edge uređaja
• Manju potrošnju računarske snage: Optimizirani za performanse CPU-a i edge GPU-a
• Brže vrijeme pokretanja: Brza inicijalizacija za responzivne aplikacije

Oni otključavaju moćne NLP mogućnosti, uz poštivanje ograničenja:

• Ugrađeni sustavi: IoT uređaji i industrijski kontroleri
• Mobilni uređaji: Pametni telefoni i tableti s offline sposobnostima
• IoT uređaji: Senzori i pametni uređaji s ograničenim resursima
• Edge serveri: Lokalni procesni jedinice s ograničenim GPU resursima
• Osobna računala: Scenariji implementacije na desktop i prijenosnim računalima

Moduli tečaja i navigacija

Modul	Tema	Fokus područje	Ključni sadržaj	Razina	Trajanje
📖 00	Uvod u EdgeAI	Osnove i kontekst	Pregled EdgeAI • Primjeri iz industrije • Uvod u SLM • Ciljevi učenja	Početnik	1-2 sata
📚 01	Osnove EdgeAI	Usporedba Cloud i Edge AI	Osnove EdgeAI • Primjeri iz stvarnog svijeta • Vodič za implementaciju • Edge postavljanje	Početnik	3-4 sata
🧠 02	Osnove SLM Modela	Obitelji modela & arhitektura	Phi obitelj • Qwen obitelj • Gemma obitelj • BitNET • μModel • Phi-Silica	Početnik	4-5 sati
🚀 03	Praksa postavljanja SLM-a	Lokalno & cloud postavljanje	Napredna učenja • Lokalno okruženje • Cloud implementacija	Srednji	4-5 sati
⚙️ 04	Toolkit za optimizaciju modela	Optimizacija na više platformi	Uvod • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • Sinteza toka rada	Srednji	5-6 sati
🔧 05	SLMOps u proizvodnji	Proizvodne operacije	Uvod u SLMOps • Destilacija modela • Fine-tuning • Proizvodno postavljanje	Napredni	5-6 sati
🤖 06	AI agenti & pozivanje funkcija	Okviri agenata & MCP	Uvod u agente • Pozivanje funkcija • Protokol konteksta modela	Napredni	4-5 sati
💻 07	Implementacija platforme	Uzorci za više platformi	AI Toolkit • Foundry Local • Razvoj na Windowsu	Napredni	3-4 sata
🏭 08	Foundry Local Toolkit	Uzorci spremni za proizvodnju	Uzorci aplikacija (pogledajte detalje ispod)	Stručnjak	8-10 sati

🏭 Modul 08: Uzorci aplikacija

• 01: REST Chat Brzi početak
• 02: OpenAI SDK integracija
• 03: Otkriće modela i benchmarking
• 04: Chainlit RAG aplikacija
• 05: Orkestracija više agenata
• 06: Usmjerivač modela kao alata
• 07: Direktni API klijent
• 08: Chat aplikacija za Windows 11
• 09: Napredni sustav više agenata
• 10: Foundry alatni okvir

🎓 Radionica: Praktični put učenja

Sveobuhvatni materijali za praktične radionice s proizvodno spremnim implementacijama:

• Vodič kroz radionicu - Potpuni ciljevi učenja, ishodi i navigacija resursima
• Python uzorci (6 sesija) - Ažurirani s najboljim praksama, rukovanjem pogreškama i opširnom dokumentacijom
• Jupyter bilježnice (8 interaktivnih) - Tutorijali korak po korak s mjerama i praćenjem performansi
• Vodiči za sesije - Detaljni markdown vodiči za svaku radionicu
• Alati za validaciju - Skripte za provjeru kvalitete koda i provođenje smoke testova

Što ćete izgraditi:

• Lokalne AI chat aplikacije s podrškom za streaming
• RAG pipeline-e s evaluacijom kvalitete (RAGAS)
• Alate za benchmark i usporedbu više modela
• Sustave orkestracije više agenata
• Inteligentno usmjeravanje modela s odabirom na temelju zadataka

🎙️ Radionica za Agentic: Praktično - AI Podcast Studio

Izgradite proizvodni pipeline za podcast pokretan AI-jem od nule! Ova imerzivna radionica vas uči kako kreirati kompletan sustav više agenata koji pretvara ideje u profesionalne epizode podcasta. 🎬 Pokreni radionicu AI Podcast Studija

Tvoj zadatak: Pokreni "Future Bytes" — tech podcast koji u potpunosti pokreću AI agenti koje ćeš sam izgraditi. Bez ovisnosti o oblaku, bez troškova API-ja — sve radi lokalno na tvom računalu.

Što ovo čini jedinstvenim:

• 🤖 Prava višestruka orkestracija agenata - Izgradi specijalizirane AI agente koji istražuju, pišu i produciraju zvuk
• 🎯 Potpuni produkcijski tijek - Od izbora teme do konačnog audio zapisa podcasta
• 💻 100% lokalno izvođenje - Koristi Ollamu i lokalne modele (Qwen-3-8B) za potpunu privatnost i kontrolu
• 🎤 Integracija pretvorbe teksta u govor - Pretvori skripte u prirodne višegovorne razgovore
• ✋ Radni tokovi s ljudskom kontrolom - Kapije za odobrenje osiguravaju kvalitetu uz automatizaciju

Učenje u tri čina:

Čin	Fokus	Ključne vještine	Trajanje
Čin 1: Upoznaj svoje AI asistente	Izgradi svog prvog AI agenta	Integracija alata • Pretraživanje weba • Rješavanje problema • Agentno razmišljanje	2-3 sata
Čin 2: Sastavi svoj produkcijski tim	Orkestriraj više agenata	Koordinacija tima • Radni tokovi odobrenja • DevUI sučelje • Ljudski nadzor	3-4 sata
Čin 3: Oživi svoj podcast	Generiraj audio podcasta	Pretvorba teksta u govor • Sinteza višegovornosti • Dugi audio zapisi • Potpuna automatizacija	2-3 sata

Korištene tehnologije:

• Microsoft Agent Framework - Orkestracija i koordinacija višestrukih agenata
• Ollama - Lokalno izvođenje AI modela (bez potrebe za oblakom)
• Qwen-3-8B - Open-source jezični model optimiziran za agentne zadatke
• API-ji za pretvorbu teksta u govor - Prirodna sinteza glasa za generiranje podcasta

Podrška hardvera:

• ✅ Način rada na CPU-u - Radi na bilo kojem modernom računalu (preporučeno 8GB+ RAM)
• 🚀 GPU ubrzanje - Značajno brže izvođenje sa NVIDIA/AMD grafičkim karticama
• ⚡ Podrška za NPU - Ubrzanje sljedeće generacije neuronskih procesorskih jedinica

Savršeno za:

• Programere koji uče sustave višestrukih AI agenata
• Svakoga zainteresiranog za AI automatizaciju i radne tokove
• Kreatore sadržaja koji istražuju AI-pomoćenu produkciju
• Studente koji proučavaju praktične uzorke AI orkestracije

Počni graditi: 🎙️ Radionica AI Podcast Studija →

📊 Sažetak puta učenja

• Ukupno trajanje: 36-45 sati
• Put za početnike: Moduli 01-02 (7-9 sati)
• Srednji put: Moduli 03-04 (9-11 sati)
• Napredni put: Moduli 05-07 (12-15 sati)
• Put za eksperte: Modul 08 (8-10 sati)

Što ćeš izgraditi

🎯 Temeljne kompetencije

• Edge AI arhitektura: Dizajniraj AI sustave s pristupom prvenstveno lokalnom izvođenju, a s integracijom oblaka
• Optimizacija modela: Kvantizacija i kompresija modela za izvođenje na rubu (85% ubrzanje, 75% smanjenje veličine)
• Višestruka platforma: Windows, mobilno, ugrađeno i hibridni sustavi oblak-rub
• Produkcijske operacije: Praćenje, skaliranje i održavanje Edge AI u produkciji

🏗️ Praktični projekti

• Foundry Local chat aplikacije: Izvorna Windows 11 aplikacija s mogućnošću mijenjanja modela
• Sustavi s više agenata: Koordinator s specijaliziranim agentima za složene radne tokove
• RAG aplikacije: Lokalna obrada dokumenata s vektorskim pretraživanjem
• Ruter modela: Inteligentni odabir modela temeljen na analizi zadataka
• API okviri: Klijenti spremni za produkciju sa streamingom i nadzorom zdravlja
• Alati za više platformi: Uzorci integracija LangChain/Semantic Kernel

🏢 Industrijske primjene

Proizvodnja • Zdravstvo • Autonomna vozila • Pametni gradovi • Mobilne aplikacije

Brzi početak

Preporučeni put učenja (ukupno 20-30 sati):

0. 📖 Uvod (Introduction.md): Osnove EdgeAI + kontekst industrije + okvir za učenje
1. 📚 Osnove (Moduli 01-02): Pojmovi EdgeAI + SLM obitelji modela
2. ⚙️ Optimizacija (Moduli 03-04): Izvođenje + kvantizacijski okviri
3. 🚀 Produkcija (Moduli 05-06): SLMOps + AI agenti + pozivanje funkcija
4. 💻 Implementacija (Moduli 07-08): Primjeri platforme + Foundry Local alatni paket

Svaki modul uključuje teoriju, praktične vježbe i produkcijski spremne primjere koda.

Utjecaj na karijeru

Tehničke uloge: Arhitekt EdgeAI rješenja • Inženjer strojnog učenja (Edge) • IoT AI programer • Mobilni AI programer

Industrijski sektori: Proizvodnja 4.0 • Zdravstvena tehnologija • Autonomni sustavi • FinTech • Potrošačka elektronika

Projekti za portfolio: Sustavi s više agenata • RAG proizvodne aplikacije • Izvođenje na više platformi • Optimizacija performansi

Struktura repozitorija

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

Istaknuti dijelovi tečaja

✅ Postepeno učenje: Teorija → praksa → produkcijsko izvođenje
✅ Pravi studiji slučaja: Microsoft, Japan Airlines, implementacije u poduzećima
✅ Praktični primjeri: 50+ primjera, 10 sveobuhvatnih Foundry Local demo aplikacija
✅ Fokus na performanse: 85% poboljšanja brzine, 75% smanjenja veličine
✅ Višeplatformski pristup: Windows, mobilno, ugrađeno, hibrid oblak-rub
✅ Spremno za proizvodnju: Praćenje, skaliranje, sigurnosni i usklađeni okviri

📖 Dostupan vodič za učenje: Strukturiran put učenja od 20 sati s uputama za raspored vremena i alatima za samoprocjenu.

---

EdgeAI predstavlja budućnost AI izvođenja: s fokusom na lokalno izvođenje, očuvanje privatnosti i efikasnost. Ovladavaj ovim vještinama da izgradiš sljedeću generaciju inteligentnih aplikacija.

Ostali tečajevi

Naš tim stvara i druge tečajeve! Pogledaj:

LangChain

Azure / Edge / MCP / Agenti

---

Serija Generativnog AI

---

Temeljno učenje

---

Serija Copilot

Dobivanje pomoći

Ako zapnete ili imate bilo kakvih pitanja o izradi AI aplikacija, pridružite se:

Ako imate povratne informacije o proizvodu ili pogreške tijekom izrade, posjetite:

---

Izjava o odricanju od odgovornosti:
Ovaj dokument je preveden pomoću AI usluge za prevođenje Co-op Translator. Iako nastojimo postići točnost, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati službenim i autoritativnim izvorom. Za kritične informacije preporučuje se profesionalni ljudski prijevod. Ne snosimo odgovornost za bilo kakva nesporazume ili pogrešna tumačenja koja proizlaze iz korištenja ovog prijevoda.