# EdgeAI kezdőknek ![Tanfolyam borítókép](../../translated_images/hu/cover.eb18d1b9605d754b.webp) [![GitHub közreműködők](https://img.shields.io/github/contributors/microsoft/edgeai-for-beginners.svg)](https://GitHub.com/microsoft/edgeai-for-beginners/graphs/contributors) [![GitHub hibák](https://img.shields.io/github/issues/microsoft/edgeai-for-beginners.svg)](https://GitHub.com/microsoft/edgeai-for-beginners/issues) [![GitHub pull-kérések](https://img.shields.io/github/issues-pr/microsoft/edgeai-for-beginners.svg)](https://GitHub.com/microsoft/edgeai-for-beginners/pulls) [![PR-k üdvözölve](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) [![GitHub figyelők](https://img.shields.io/github/watchers/microsoft/edgeai-for-beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/edgeai-for-beginners/watchers) [![GitHub elágazások](https://img.shields.io/github/forks/microsoft/edgeai-for-beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/edgeai-for-beginners/fork) [![GitHub csillagok](https://img.shields.io/github/stars/microsoft/edgeai-for-beginners?style=social&label=Star)](https://GitHub.com/microsoft/edgeai-for-beginners/stargazers) [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) Kövesd ezeket a lépéseket, hogy elkezdhess dolgozni ezekkel az erőforrásokkal: 1. **Forkold a tárat**: Kattints ide [![GitHub elágazások](https://img.shields.io/github/forks/microsoft/edgeai-for-beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/edgeai-for-beginners/fork) 2. **Klónozd a tárat**: `git clone https://github.com/microsoft/edgeai-for-beginners.git` 3. [**Csatlakozz az Azure AI Foundry Discordhoz, és találkozz szakértőkkel és más fejlesztőkkel**](https://discord.com/invite/ByRwuEEgH4) ### 🌐 Többnyelvű támogatás #### GitHub Action által támogatott (Automatizált & Mindig naprakész) [Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](./README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Szeretnéd helyileg klónozni?** > > Ez a tár több mint 50 nyelvi fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítások nélkül szeretnéd klónozni, használd a sparse checkoutot: > > **Bash / macOS / Linux:** > ```bash > 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):** > ```cmd > 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" > ``` > > Így minden szükséges fájl meglesz a kurzus elvégzéséhez sokkal gyorsabb letöltéssel. **Ha további fordítási nyelveket szeretnél támogatni, ezek megtalálhatók [itt](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** ## Bevezetés Üdvözlünk a **EdgeAI kezdőknek** kurzuson – a teljes körű utazásodon a Edge Mesterséges Intelligencia átalakító világában. Ez a tanfolyam hidat képez a hatékony AI képességek és a gyakorlati, valós környezetben történő telepítés között az élő eszközökön, lehetővé téve, hogy a mesterséges intelligencia potenciálját közvetlenül ott használd ki, ahol az adatok keletkeznek és döntéseket kell hozni. ### Amit elsajátítasz Ez a tanfolyam az alapvető fogalmaktól a gyártásra kész megvalósításokig vezet végig, lefedve: - **Kis nyelvi modellek (SLM-ek)** élő környezetre optimalizálva - **Hardver tudatos optimalizáció** különböző platformokon - **Valós idejű inferencia** adatvédelemmel - **Gyártásba telepítési stratégiák** vállalati alkalmazásokhoz ### Miért fontos az EdgeAI Az Edge AI paradigmaváltást jelent, amely a modern kihívásokra ad választ: - **Adatvédelem és biztonság**: Érzékeny adatok helyi feldolgozása felhő kiadása nélkül - **Valós idejű teljesítmény**: Hálózati késleltetés kiküszöbölése időkritikus alkalmazásoknál - **Költséghatékonyság**: Sávszélesség és felhő alapú számítási költségek csökkentése - **Rugalmas működés**: Funkcionalitás fenntartása hálózati kiesés esetén - **Szabályozási megfelelőség**: Adat-szuverenitási követelmények betartása ### Edge AI Az Edge AI azt jelenti, hogy AI algoritmusok és nyelvi modellek helyileg futnak a hardveren, közel az adatok keletkezési helyéhez, anélkül, hogy a cloud erőforrásokra támaszkodnánk az inferencia során. Ez csökkenti a késleltetést, növeli az adatvédelmet és valós idejű döntéshozatalt tesz lehetővé. ### Alapelvek: - **Interferencia az eszközön**: AI modellek helyi eszközökön futnak (telefonok, routerek, mikrovezérlők, ipari PC-k) - **Offline funkció**: Internetkapcsolat nélkül is működik - **Alacsony késleltetés**: Azonnali válaszok valós idejű rendszereknek - **Adat-szuverenitás**: Az érzékeny adatok helyben maradnak, javítva a biztonságot és megfelelést ### Kis nyelvi modellek (SLM-ek) Az SLM-ek, mint például a Phi-4, Mistral-7B és Gemma, nagyobb LLM-ek optimalizált változatai—kiképzett vagy „kondenzált” alakban: - **Csökkentett memóriaigény**: Hatékony kihasználása a korlátozott élő eszköz memóriának - **Alacsonyabb számítási igény**: CPU és élő GPU teljesítményre optimalizálva - **Gyorsabb indulás**: Gyors inicializálás a gyors reakciókért Ezek lehetővé teszik a hatékony NLP képességeket miközben megfelelnek az alábbi korlátoknak: - **Beágyazott rendszerek**: IoT eszközök és ipari vezérlők - **Mobil eszközök**: Okostelefonok és táblagépek offline képességekkel - **IoT eszközök**: Szenzorok és okos eszközök korlátozott erőforrásokkal - **Edge szerverek**: Helyi feldolgozó egységek korlátozott GPU erőforrásokkal - **Személyi számítógépek**: Asztali és laptop telepítési forgatókönyvek ## Tanfolyam modulok és navigáció | Modul | Téma | Fókuszterület | Fő tartalom | Szint | Időtartam | |--------|-------|------------|-------------|--------|----------| | [📖 00 ](./introduction.md) | [Bevezetés az EdgeAI-be](./introduction.md) | Alapok és kontextus | EdgeAI áttekintés • Iparági alkalmazások • SLM bemutatás • Tanulási célok | Kezdő | 1-2 óra | | [📚 01](../../Module01) | [EdgeAI alapok](./Module01/README.md) | Felhő vs Edge AI összehasonlítás | EdgeAI alapok • Valós esettanulmányok • Megvalósítási útmutató • Edge telepítés | Kezdő | 3-4 óra | | [🧠 02](../../Module02) | [SLM modell alapok](./Module02/README.md) | Modellcsaládok és architektúra | Phi család • Qwen család • Gemma család • BitNET • μModel • Phi-Silica | Kezdő | 4-5 óra | | [🚀 03](../../Module03) | [SLM telepítési gyakorlat](./Module03/README.md) | Helyi és felhőbeli telepítés | Haladó tanulás • Helyi környezet • Felhő telepítés | Középhaladó | 4-5 óra | | [⚙️ 04](../../Module04) | [Modell optimalizációs eszköztár](./Module04/README.md) | Platformok közötti optimalizáció | Bevezetés • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • Munkafolyamat szintézis | Középhaladó | 5-6 óra | | [🔧 05](../../Module05) | [SLMOps gyártásban](./Module05/README.md) | Gyártásbeli működés | SLMOps bevezetés • Modell desztilláció • Finomhangolás • Gyártásbeli telepítés | Haladó | 5-6 óra | | [🤖 06](../../Module06) | [AI ügynökök & függvényhívás](./Module06/README.md) | Ügynök keretrendszerek & MCP | Ügynök bevezetés • Függvényhívás • Modell Kontextus Protokoll | Haladó | 4-5 óra | | [💻 07](../../Module07) | [Platform megvalósítás](./Module07/README.md) | Többplatformos példák | AI eszköztár • Foundry Local • Windows fejlesztés | Haladó | 3-4 óra | | [🏭 08](../../Module08) | [Foundry Local eszköztár](./Module08/README.md) | Gyártásra kész példák | Mintaalkalmazások (lásd alább részletezve) | Szakértő | 8-10 óra | ### 🏭 **08. modul: Mintaalkalmazások** - [01: REST Chat Gyorsindítás](./Module08/samples/01/README.md) - [02: OpenAI SDK Integráció](./Module08/samples/02/README.md) - [03: Modell felfedezés & benchmark](./Module08/samples/03/README.md) - [04: Chainlit RAG alkalmazás](./Module08/samples/04/README.md) - [05: Többügynökös összehangolás](./Module08/samples/05/README.md) - [06: Modellek mint Eszközök Router](./Module08/samples/06/README.md) - [07: Közvetlen API kliens](./Module08/samples/07/README.md) - [08: Windows 11 Chat alkalmazás](./Module08/samples/08/README.md) - [09: Haladó többügynök rendszer](./Module08/samples/09/README.md) - [10: Foundry Tools keretrendszer](./Module08/samples/10/README.md) ### 🎓 **Workshop: Gyakorlati tanulási út** Teljes körű gyakorlati workshop anyagok gyártásra kész megvalósításokkal: - **[Workshop Útmutató](./Workshop/Readme.md)** - Teljes tanulási célok, eredmények és erőforrás navigáció - **Python példák** (6 alkalom) - Frissítve a legjobb gyakorlatokkal, hibakezeléssel és átfogó dokumentációval - **Jupyter jegyzetfüzetek** (8 interaktív) - Lépésről lépésre oktatóanyagok benchmarkokkal és teljesítmény monitorozással - **Ülés útmutatók** - Részletes markdown útmutatók az egyes workshop ülésekhez - **Validációs eszközök** - Szkriptek a kódminőség ellenőrzésére és smoke tesztek futtatására **Amit készíteni fogsz:** - Helyi AI chat alkalmazások streaming támogatással - RAG adatfolyamok minőségi értékeléssel (RAGAS) - Többmodell benchmark és összehasonlító eszközök - Többügynökös összehangoló rendszerek - Intelligens modellirányítás feladat alapú kiválasztással ### 🎙️ **Workshop Agentic számára: Gyakorlati - Az AI Podcast Stúdió** Építs egy mesterséges intelligencia által működtetett podcast gyártási folyamatot a semmiből! Ez az elmélyült workshop megtanít arra, hogyan hozz létre egy teljes többügynökös rendszert, amely az ötleteket professzionális podcast epizódokká alakítja. **[🎬 Kezdd el az AI Podcast Studio Workshopot](./WorkshopForAgentic/README.md)** **Feladatod**: Indítsd el a "Future Bytes" nevű technológiai podcastot — egy teljesen AI ügynökök által működtetett műsort, amelyet te magad építesz fel. Nincsenek felhőfüggőségek, nincsenek API-költségek — minden helyileg, a gépeden fut. **Mi teszi egyedivé:** - **🤖 Valódi többügynökös koordináció** – Specializált AI ügynökök építése, amelyek kutatnak, írnak és hanganyagot készítenek - **🎯 Teljes gyártási folyamat** – Témaválasztástól a végső podcast hanganyagig - **💻 100% helyi telepítés** – Ollama és helyi modellek (Qwen-3-8B) a teljes adatvédelem és irányítás érdekében - **🎤 Szöveg-beszéd integráció** – Szkriptet alakít természetes hangzású, több beszélőből álló beszélgetéssé - **✋ Ember a folyamatban** – Jóváhagyási pontok a minőség biztosítására miközben az automatizálás megmarad **Háromrészes tanulási út:** | Felvonás | Fókusz | Kulcskészségek | Időtartam | |-----|-------|------------|----------| | **[1. felvonás: Ismerd meg AI asszisztenseidet](./WorkshopForAgentic/md/01.BuildAIAgentWithSLM.md)** | Építsd meg első AI ügynöködet | Eszközintegráció • Webes keresés • Problémamegoldás • Ügynöki gondolkodás | 2-3 óra | | **[2. felvonás: Állítsd össze a gyártó csapatodat](./WorkshopForAgentic/md/02.AIAgentOrchestrationAndWorkflows.md)** | Több ügynök koordinálása | Csapatkoordináció • Jóváhagyási munkafolyamatok • DevUI felület • Emberi felügyelet | 3-4 óra | | **[3. felvonás: Keltsd életre podcastodat](./WorkshopForAgentic/md/03.Multi-SpeakerPodcastGenerationWithVibeVoice.md)** | Podcast hanganyag generálás | Szöveg-beszéd • Több beszélős szintézis • Hosszú hanganyag • Teljes automatizálás | 2-3 óra | **Használt technológiák:** - **Microsoft Agent Framework** – Többügynökös koordináció és együttműködés - **Ollama** – Helyi AI modell futtatókörnyezet (nem igényel felhőt) - **Qwen-3-8B** – Nyílt forráskódú nyelvi modell, ügynöki feladatokra optimalizálva - **Szöveg-beszéd API-k** – Természetes hangú szintézis a podcast készítéshez **Hardver támogatás:** - ✅ **CPU mód** – Bármely modern számítógépen működik (ajánlott minimum 8GB RAM) - 🚀 **GPU gyorsítás** – Jelentősen gyorsabb inferálás NVIDIA/AMD GPU-kon - ⚡ **NPU támogatás** – Következő generációs neurális feldolgozó egység gyorsítás **Kiknek ideális:** - Fejlesztők, akik többügynökös AI rendszereket tanulnak - Mindenki, akit érdekel az AI automatizálás és munkafolyamatok - Tartalomkészítők, akik AI által segített gyártást szeretnének felfedezni - Hallgatók, akik a gyakorlati AI koordinációs mintákat tanulmányozzák **Kezdj el építeni**: [🎙️ The AI Podcast Studio Workshop →](./WorkshopForAgentic/README.md) ### 📊 **Tanulási Út Összegzés** - **Teljes időtartam**: 36-45 óra - **Kezdő szint**: 01-02 modulok (7-9 óra) - **Középhaladó szint**: 03-04 modulok (9-11 óra) - **Haladó szint**: 05-07 modulok (12-15 óra) - **Szakértői szint**: 08 modul (8-10 óra) ## Amit felépítesz ### 🎯 Alapkészségek - **Edge AI architektúra**: Helyileg előtérbe helyezett AI rendszerek tervezése felhőintegrációval - **Modell optimalizálás**: Modellek kvantálása és tömörítése élőhelyi telepítéshez (85% sebességnövekedés, 75% méretcsökkenés) - **Többplatformos telepítés**: Windows, mobil, beágyazott és felhő-él hibrid rendszerek - **Gyártási műveletek**: Élőhelyi AI monitorozása, skálázása és karbantartása termelésben ### 🏗️ Gyakorlati projektek - **Foundry Local Chat alkalmazások**: Windows 11 natív alkalmazás modellváltással - **Többügynökös rendszerek**: Koordinátor speciális ügynökökkel komplex munkafolyamatokhoz - **RAG alkalmazások**: Helyi dokumentumfeldolgozás vektoros kereséssel - **Modellválasztók**: Intelligens válogatás modellek között feladatelemzés alapján - **API keretrendszerek**: Termelésre kész kliens streaminggel és egészségügyi monitorozással - **Cross-platform eszközök**: LangChain/Semantic Kernel integrációs minták ### 🏢 Ipari alkalmazások **Gyártás** • **Egészségügy** • **Autonóm járművek** • **Okos városok** • **Mobilalkalmazások** ## Gyors kezdés **Ajánlott tanulási út** (összesen 20-30 óra): 0. **📖 Bevezetés** ([Introduction.md](./introduction.md)): EdgeAI alapok + iparági kontextus + tanulási keretrendszer 1. **📚 Alapozás** (01-02 modulok): EdgeAI fogalmak + SLM modell családok 2. **⚙️ Optimalizálás** (03-04 modulok): Telepítés + kvantálási keretrendszerek 3. **🚀 Termelés** (05-06 modulok): SLMOps + AI ügynökök + függvényhívás 4. **💻 Implementáció** (07-08 modulok): Platformminták + Foundry Local eszköztár Minden modul magába foglal elméletet, gyakorlati feladatokat és termelésre kész kódmintákat. ## Karrierhatás **Technikai szerepek**: EdgeAI megoldástervező • ML mérnök (Edge) • IoT AI fejlesztő • Mobil AI fejlesztő **Iparági szektorok**: Gyártás 4.0 • Egészségügyi technológia • Autonóm rendszerek • FinTech • Fogyasztói elektronika **Portfólió projektek**: Többügynökös rendszerek • Termelési RAG alkalmazások • Többplatformos telepítés • Teljesítmény-optimalizálás ## Könyvtár struktúra ``` 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 ``` ## Kurzus kiemelések ✅ **Fokozatos tanulás**: Elmélet → Gyakorlat → Termelési telepítés ✅ **Valódi esettanulmányok**: Microsoft, Japan Airlines, vállalati implementációk ✅ **Gyakorlati példák**: 50+ példa, 10 átfogó Foundry Local demó ✅ **Teljesítmény fókusz**: 85%-os sebességnövekedés, 75%-os méretcsökkenés ✅ **Többplatformos**: Windows, mobil, beágyazott, felhő-él hibrid ✅ **Termelésre kész**: Monitorozás, skálázás, biztonság, megfelelőségi keretek 📖 **[Elérhető tanulmányi útmutató](STUDY_GUIDE.md)**: Strukturált 20 órás tanulási út időbeosztással és önértékelő eszközökkel. --- **Az EdgeAI az AI telepítés jövője**: helyileg elsődleges, adatvédelmet szem előtt tartó és hatékony. Sajátítsd el ezeket a készségeket, hogy felépítsd a következő generációs intelligens alkalmazásokat. ## Egyéb kurzusok Csapatunk más kurzusokat is készít! Nézd meg: ### LangChain [![LangChain4j kezdőknek](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js kezdőknek](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) [![LangChain kezdőknek](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Ügynökök [![AZD kezdőknek](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI kezdőknek](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [![MCP kezdőknek](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [![AI Ügynökök kezdőknek](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Generatív AI sorozat [![Generatív AI kezdőknek](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [![Generatív AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [![Generatív AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [![Generatív AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### Alap tanulás [![ML kezdőknek](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [![Adattudomány kezdőknek](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [![AI kezdőknek](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [![Kiberbiztonság kezdőknek](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [![Webfejlesztés kezdőknek](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [![IoT kezdőknek](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [![XR fejlesztés kezdőknek](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Copilot sorozat [![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Segítségkérés Ha elakad, vagy bármilyen kérdése van az AI alkalmazások fejlesztésével kapcsolatban, csatlakozzon: [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) Ha termék-visszajelzése vagy hibái vannak a fejlesztés során, látogasson el ide: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Jogi nyilatkozat**: Ez a dokumentum az [Co-op Translator](https://github.com/Azure/co-op-translator) mesterséges intelligencia fordító szolgáltatásával készült. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások tartalmazhatnak hibákat vagy pontatlanságokat. Az eredeti dokumentum az anyanyelvén az irányadó forrás. Kritikus információk esetén professzionális emberi fordítást javaslunk. Nem vállalunk felelősséget az ebből a fordításból eredő félreértésekért vagy félremagyarázásokért.