README.md

EdgeAI for Nybegynnere

Følg disse trinnene for å komme i gang med ressursene:

1. Fork Repository: Klikk
2. Klon Repository: git clone https://github.com/microsoft/edgeai-for-beginners.git
3. Bli med i Azure AI Foundry Discord og møt eksperter og andre utviklere

🌐 Støtte for flere språk

Støttet via GitHub Action (Automatisk & Alltid Oppdatert)

Hvis du ønsker støtte for flere oversettelsesspråk, er listen tilgjengelig her

Introduksjon

Velkommen til EdgeAI for Nybegynnere – din omfattende reise inn i den transformative verdenen av Edge Artificial Intelligence. Dette kurset bygger bro mellom kraftige AI-funksjoner og praktisk, virkelighetsnær implementering på edge-enheter, og gir deg muligheten til å utnytte AI direkte der data genereres og beslutninger må tas.

Hva du vil mestre

Dette kurset tar deg fra grunnleggende konsepter til produksjonsklare implementeringer, og dekker:

• Små språkmodeller (SLMs) optimalisert for edge-implementering
• Maskinvarebevisst optimalisering på tvers av ulike plattformer
• Sanntidsinference med personvernbevarende funksjoner
• Produksjonsimplementeringsstrategier for bedriftsapplikasjoner

Hvorfor EdgeAI er viktig

Edge AI representerer et paradigmeskifte som adresserer kritiske moderne utfordringer:

• Personvern & Sikkerhet: Behandle sensitive data lokalt uten eksponering til skyen
• Sanntidsytelse: Fjern nettverksforsinkelser for tidskritiske applikasjoner
• Kostnadseffektivitet: Reduser båndbredde- og skyberegningskostnader
• Robuste operasjoner: Oppretthold funksjonalitet under nettverksavbrudd
• Regulatorisk samsvar: Oppfyll krav til datasuverenitet

Edge AI

Edge AI refererer til å kjøre AI-algoritmer og språkmodeller lokalt på maskinvare, nær der data genereres, uten å være avhengig av skyressurser for inference. Det reduserer forsinkelser, forbedrer personvern og muliggjør sanntidsbeslutninger.

Kjerneprinsipper:

• Inference på enheten: AI-modeller kjører på edge-enheter (telefoner, rutere, mikrokontrollere, industrielle PC-er)
• Offline-funksjonalitet: Fungerer uten vedvarende internettforbindelse
• Lav forsinkelse: Umiddelbare responser egnet for sanntidssystemer
• Datasuverenitet: Holder sensitive data lokalt, forbedrer sikkerhet og samsvar

Små språkmodeller (SLMs)

SLMs som Phi-4, Mistral-7B og Gemma er optimaliserte versjoner av større LLMs—trent eller destillert for:

• Redusert minnebruk: Effektiv bruk av begrenset edge-enhetsminne
• Lavere beregningskrav: Optimalisert for CPU- og edge-GPU-ytelse
• Raskere oppstartstider: Rask initialisering for responsive applikasjoner

De låser opp kraftige NLP-funksjoner samtidig som de oppfyller begrensningene til:

• Innebygde systemer: IoT-enheter og industrielle kontrollere
• Mobile enheter: Smarttelefoner og nettbrett med offline-funksjonalitet
• IoT-enheter: Sensorer og smarte enheter med begrensede ressurser
• Edge-servere: Lokale behandlingsenheter med begrensede GPU-ressurser
• Personlige datamaskiner: Desktop- og laptop-implementeringsscenarier

Kursmoduler & Navigasjon

Modul	Emne	Fokusområde	Nøkkelinnhold	Nivå	Varighet
📖 00	Introduksjon til EdgeAI	Grunnlag & Kontekst	EdgeAI Oversikt • Industriapplikasjoner • SLM Introduksjon • Læringsmål	Nybegynner	1-2 timer
📚 01	EdgeAI Grunnleggende	Sky vs Edge AI sammenligning	EdgeAI Grunnleggende • Virkelige eksempler • Implementeringsguide • Edge-implementering	Nybegynner	3-4 timer
🧠 02	SLM Modellgrunnlag	Modellfamilier & arkitektur	Phi Familie • Qwen Familie • Gemma Familie • BitNET • μModel • Phi-Silica	Nybegynner	4-5 timer
🚀 03	SLM Implementeringspraksis	Lokal & skyimplementering	Avansert læring • Lokal miljø • Skyimplementering	Middels	4-5 timer
⚙️ 04	Modelloptimaliseringsverktøy	Plattformoptimalisering	Introduksjon • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • Arbeidsflytsyntese	Middels	5-6 timer
🔧 05	SLMOps Produksjon	Produksjonsoperasjoner	SLMOps Introduksjon • Modelldestillasjon • Finjustering • Produksjonsimplementering	Avansert	5-6 timer
🤖 06	AI-agenter & Funksjonskalling	Agentrammeverk & MCP	Agent Introduksjon • Funksjonskalling • Modellkontekstprotokoll	Avansert	4-5 timer
💻 07	Plattformimplementering	Tverrplattformeksempler	AI Verktøysett • Foundry Lokal • Windows Utvikling	Avansert	3-4 timer
🏭 08	Foundry Lokal Verktøysett	Produksjonsklare eksempler	Eksempelapplikasjoner (se detaljer nedenfor)	Ekspert	8-10 timer

🏭 Modul 08: Eksempelapplikasjoner

• 01: REST Chat Quickstart
• 02: OpenAI SDK Integrasjon
• 03: Modelloppdagelse & Benchmarking
• 04: Chainlit RAG Applikasjon
• 05: Multi-Agent Orkestrering
• 06: Modeller-som-Verktøy Router
• 07: Direkte API Klient
• 08: Windows 11 Chat App
• 09: Avansert Multi-Agent System
• 10: Foundry Verktøyrammeverk

🎓 Workshop: Praktisk Læringssti

Omfattende praktiske workshop-materialer med produksjonsklare implementeringer:

• Workshop Guide - Fullstendige læringsmål, resultater og ressursnavigasjon
• Python Eksempler (6 økter) - Oppdatert med beste praksis, feilhåndtering og omfattende dokumentasjon
• Jupyter Notebooks (8 interaktive) - Trinn-for-trinn veiledninger med benchmarks og ytelsesovervåking
• Øktguider - Detaljerte markdown-guider for hver workshop-økt
• Valideringsverktøy - Skript for å verifisere kodekvalitet og kjøre røyktester

Hva du vil bygge:

• Lokale AI-chatapplikasjoner med streamingstøtte
• RAG-pipelines med kvalitetsvurdering (RAGAS)
• Multi-modell benchmarking og sammenligningsverktøy
• Multi-agent orkestreringssystemer
• Intelligent modellruting med oppgavebasert utvalg

📊 Læringssti Sammendrag

• Total Varighet: 36-45 timer
• Nybegynnersti: Moduler 01-02 (7-9 timer)
• Middels sti: Moduler 03-04 (9-11 timer)
• Avansert sti: Moduler 05-07 (12-15 timer)
• Ekspertsti: Modul 08 (8-10 timer)

Hva du vil bygge

🎯 Kjernekompetanser

• Edge AI Arkitektur: Design AI-systemer med lokal-først tilnærming og skyintegrasjon
• Modelloptimalisering: Kvantisere og komprimere modeller for edge-implementering (85% hastighetsøkning, 75% størrelsesreduksjon)
• Tverrplattformimplementering: Windows, mobil, innebygd og sky-edge hybridsystemer
• Produksjonsdrift: Overvåking, skalering og vedlikehold av edge AI i produksjon

🏗️ Praktiske Prosjekter

• Foundry Local Chat Apps: Windows 11-native applikasjon med modellbytte
• Multi-Agent Systems: Koordinator med spesialistagenter for komplekse arbeidsflyter
• RAG Applications: Lokal dokumentbehandling med vektorsøk
• Model Routers: Intelligent valg mellom modeller basert på oppgaveanalyse
• API Frameworks: Produksjonsklare klienter med streaming og helsesjekk
• Cross-Platform Tools: LangChain/Semantic Kernel integrasjonsmønstre

🏢 Industrielle Applikasjoner

Produksjon • Helsevesen • Autonome Kjøretøy • Smarte Byer • Mobilapper

Kom i Gang

Anbefalt Læringsløp (20-30 timer totalt):

0. 📖 Introduksjon (Introduction.md): EdgeAI-grunnlag + industrikontekst + læringsrammeverk
1. 📚 Grunnlag (Moduler 01-02): EdgeAI-konsepter + SLM-modellfamilier
2. ⚙️ Optimalisering (Moduler 03-04): Utrulling + kvantiseringsrammeverk
3. 🚀 Produksjon (Moduler 05-06): SLMOps + AI-agenter + funksjonskall
4. 💻 Implementering (Moduler 07-08): Plattformeksempler + Foundry Local-verktøysett

Hver modul inkluderer teori, praktiske øvelser og produksjonsklare kodeeksempler.

Karrierepåvirkning

Tekniske Roller: EdgeAI-løsningsarkitekt • ML-ingeniør (Edge) • IoT AI-utvikler • Mobil AI-utvikler

Industrielle Sektorer: Produksjon 4.0 • Helse-teknologi • Autonome Systemer • FinTech • Forbrukerelektronikk

Porteføljeprosjekter: Multi-agent systemer • Produksjonsklare RAG-applikasjoner • Plattformuavhengig utrulling • Ytelsesoptimalisering

Repository-struktur

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

Kurs Høydepunkter

✅ Progressiv Læring: Teori → Praktisk → Produksjonsutrulling
✅ Reelle Casestudier: Microsoft, Japan Airlines, bedriftsimplementeringer
✅ Praktiske Eksempler: 50+ eksempler, 10 omfattende Foundry Local-demoer
✅ Ytelsesfokus: 85% hastighetsforbedringer, 75% størrelsesreduksjoner
✅ Flerplattform: Windows, mobil, innebygd, sky-edge hybrid
✅ Produksjonsklar: Overvåking, skalering, sikkerhet, samsvarsrammeverk

📖 Studieguide Tilgjengelig: Strukturert 20-timers læringsløp med tidsallokering og selvvurderingsverktøy.

---

EdgeAI representerer fremtiden for AI-utrulling: lokal-først, personvernbevarende og effektiv. Mestre disse ferdighetene for å bygge neste generasjon av intelligente applikasjoner.

Andre Kurs

Vårt team produserer andre kurs! Sjekk ut:

Azure / Edge / MCP / Agenter

---

Generativ AI-serie

---

Kjerne Læring

---

Copilot-serie

Få Hjelp

Hvis du står fast eller har spørsmål om bygging av AI-applikasjoner, bli med:

Hvis du har produktinnspill eller opplever feil under bygging, besøk:

---

Ansvarsfraskrivelse:
Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten Co-op Translator. Selv om vi streber etter nøyaktighet, vær oppmerksom på at automatiserte oversettelser kan inneholde feil eller unøyaktigheter. Det originale dokumentet på sitt opprinnelige språk bør anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen.