Cloud & IT Cert Prep · पाठ

Azure OpenAI Service

पाठ 4, कुल 4 में से13 चरण

Azure OpenAI Service, CoddyKit पर Cloud & IT Cert Prep का एक निःशुल्क पाठ है। यह 4 में से 4वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह Cloud & IT Cert Prep सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। Cloud & IT Cert Prep पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

Azure OpenAI Service क्या है

Azure OpenAI Service Microsoft के Azure क्लाउड बुनियादी ढाँचे के माध्यम से OpenAI के बड़े भाषा मॉडलों — जिनमें GPT-4, GPT-3.5-turbo, DALL-E और Embeddings मॉडल शामिल हैं — तक पहुँच प्रदान करता है। सीधे OpenAI API का उपयोग करने के विपरीत, Azure OpenAI उद्यम-स्तरीय सुविधाएँ देता है: VNet/Private Link के माध्यम से निजी नेटवर्किंग, Microsoft के अनुपालन प्रमाणन (ISO 27001, SOC 2, GDPR), सामग्री फ़िल्टरिंग, ग्राहक डेटा की गोपनीयता (आपके डेटा का उपयोग OpenAI के आधार मॉडल प्रशिक्षित करने के लिए नहीं किया जाता) और Azure RBAC तथा निगरानी के साथ एकीकरण।

पहुँच का अनुरोध करना और मॉडल परिनियोजित करना

Azure OpenAI के लिए स्वीकृत सदस्यता आवश्यक है — पहुँच नियंत्रित होती है और फ़ॉर्म के माध्यम से इसका अनुरोध करना पड़ता है। स्वीकृति मिलने के बाद आप Azure OpenAI संसाधन बनाते हैं और फिर उसके अंदर एक परिनियोजन बनाते हैं। कोई परिनियोजन किसी मॉडल (जैसे gpt-4) को परिनियोजन नाम (जैसे my-gpt4) और टोकन कोटा (प्रति मिनट टोकन की सीमा) से जोड़ता है। आप API को आधार मॉडल नाम के बजाय अपने परिनियोजन नाम का उपयोग करके कॉल करते हैं। अलग-अलग मॉडलों या कोटों वाले कई परिनियोजन एक ही संसाधन में साथ रह सकते हैं।

# Create an Azure OpenAI resource
az cognitiveservices account create \
  --name myOpenAI \
  --resource-group myRG \
  --kind OpenAI \
  --sku S0 \
  --location eastus

# Create a deployment
az cognitiveservices account deployment create \
  --name myOpenAI \
  --resource-group myRG \
  --deployment-name my-gpt4 \
  --model-name gpt-4 \
  --model-version '0613' \
  --model-format OpenAI \
  --sku-name Standard \
  --sku-capacity 10

Chat Completions API

चैट पूर्णता API (/openai/deployments/{deployment}/chat/completions) भूमिकाओं (system, user, assistant) वाले संदेशों की सूची स्वीकार करता है और मॉडल की प्रतिक्रिया लौटाता है। system संदेश मॉडल का व्यवहार और व्यक्तित्व निर्धारित करता है। user संदेश में प्रॉम्प्ट या प्रश्न होता है। बहु-चरणीय संवाद में मॉडल संदर्भ बनाए रखे, इसके लिए बातचीत के पिछले चरणों को संदेश ऐरे में शामिल किया जाता है। तापमान (0–2) प्रतिक्रिया की यादृच्छिकता नियंत्रित करता है।

# Chat completion API call
curl -X POST 'https://myOpenAI.openai.azure.com/openai/deployments/my-gpt4/chat/completions?api-version=2024-02-01' \
  -H 'api-key: <key>' \
  -H 'Content-Type: application/json' \
  -d '{
    "messages": [
      {"role": "system", "content": "You are a helpful Azure expert."},
      {"role": "user", "content": "Explain what a Recovery Services vault is."}
    ],
    "temperature": 0.7,
    "max_tokens": 500
  }'

प्रॉम्प्ट इंजीनियरिंग की मूल बातें

प्रॉम्प्ट इंजीनियरिंग भाषा मॉडल से सर्वोत्तम परिणाम प्राप्त करने के लिए प्रभावी इनपुट संदेश तैयार करने का अभ्यास है। प्रमुख तकनीकों में शामिल हैं: System prompt — मॉडल को स्पष्ट भूमिका और सीमाएँ दें; Few-shot examples — मॉडल को वांछित इनपुट-आउटपुट प्रारूप के 2–5 उदाहरण दिखाएँ; Chain-of-thought — मॉडल से अंतिम उत्तर देने से पहले चरणबद्ध ढंग से सोचने को कहें; Constraints — मॉडल को प्रारूप, लंबाई और किन बातों से बचना है, यह स्पष्ट रूप से बताएँ। अच्छे प्रॉम्प्ट मनगढ़ंत उत्तर कम करते हैं और स्थिरता बढ़ाते हैं।

अर्थगत खोज के लिए Embeddings

Embeddings पाठ को एक सघन संख्यात्मक वेक्टर में बदलते हैं, जो उसके अर्थगत आशय को दर्शाता है। समान अर्थ वाले दो पाठों के वेक्टर वेक्टर स्पेस में पास-पास होंगे (कोसाइन समानता से मापे जाते हैं)। Azure OpenAI embeddings एंडपॉइंट (/embeddings) 1,536-आयामी वेक्टर बनाने के लिए text-embedding-ada-002 मॉडल का उपयोग करता है। आप अर्थगत खोज (किसी क्वेरी से मिलते-जुलते दस्तावेज़ ढूँढना), RAG (Retrieval-Augmented Generation) और अनुशंसा प्रणालियाँ बनाने के लिए embeddings का उपयोग करते हैं।

# Get an embedding vector for a piece of text
curl -X POST 'https://myOpenAI.openai.azure.com/openai/deployments/my-embedding/embeddings?api-version=2024-02-01' \
  -H 'api-key: <key>' \
  -H 'Content-Type: application/json' \
  -d '{
    "input": "Azure Site Recovery replicates VMs to a secondary region."
  }'

सामग्री फ़िल्टरिंग

Azure OpenAI में एक बहु-स्तरीय सामग्री फ़िल्टरिंग प्रणाली शामिल है, जो प्रॉम्प्ट (इनपुट) और पूर्णताओं (आउटपुट) दोनों पर चलती है। यह चार श्रेणियों की सामग्री का पता लगाकर उसे रोकती है: घृणा, यौन, हिंसा और आत्म-क्षति। प्रत्येक श्रेणी में गंभीरता के तीन स्तर (कम, मध्यम, अधिक) होते हैं और आप प्रत्येक श्रेणी के लिए फ़िल्टरिंग सीमाएँ कॉन्फ़िगर कर सकते हैं। प्रॉम्प्ट इंजेक्शन के प्रयास (सिस्टम प्रॉम्प्ट को बदलने की कोशिश करने वाले जेलब्रेक) भी फ़िल्टर किए जाते हैं। सामग्री फ़िल्टरिंग डिफ़ॉल्ट रूप से चालू रहती है और उपयोग-प्रकरण का औचित्य बताए बिना अधिकांश मॉडलों के लिए इसे बंद नहीं किया जा सकता।

पुनर्प्राप्ति-संवर्धित जनरेशन (RAG)

RAG भाषा मॉडल की प्रतिक्रियाओं को केवल उसके प्रशिक्षण-ज्ञान पर निर्भर रहने के बजाय आपके अपने डेटा पर आधारित करता है। इसकी प्रक्रिया है: (1) अपने दस्तावेज़ों को वेक्टर स्टोर (जैसे Azure AI Search) में अनुक्रमित करें, (2) जब कोई उपयोगकर्ता प्रश्न पूछे, तो प्रश्न का embedding बनाएँ और प्रासंगिक दस्तावेज़ खंडों के लिए वेक्टर स्टोर में खोजें, (3) उन खंडों को संदर्भ के रूप में सिस्टम प्रॉम्प्ट में शामिल करें, (4) मॉडल दिए गए संदर्भ के आधार पर उत्तर देता है। RAG मनगढ़ंत उत्तर कम करता है और LLM को बिना फ़ाइन-ट्यूनिंग के निजी, अद्यतन डेटा से जुड़े प्रश्नों के उत्तर देने में सक्षम बनाता है।

फाइन-ट्यूनिंग बनाम RAG

कस्टम डेटा के साथ मॉडल की क्षमताओं को बढ़ाने के लिए दो दृष्टिकोण हैं। फाइन-ट्यूनिंग आपके उदाहरणों पर मॉडल के नए संस्करण को प्रशिक्षित करती है और ज्ञान को मॉडल के वेट में समाहित कर देती है — यह मॉडल को ऐसी विशिष्ट शैलियाँ, प्रारूप या व्यवहार सिखाने के लिए सबसे उपयुक्त है, जिन्हें प्रॉम्प्ट में समझाना कठिन हो। RAG अनुमान के समय प्रासंगिक जानकारी प्राप्त करके उसे संदर्भ में उपलब्ध कराता है — यह बड़े ज्ञान-आधारों के लिए बेहतर है, जो अक्सर बदलते रहते हैं, क्योंकि आपको मॉडल को फिर से प्रशिक्षित करने के बजाय वेक्टर इंडेक्स अपडेट करना होता है। अधिकांश उद्यम उपयोग-मामलों के लिए कम लागत और तेज़ पुनरावृत्ति के कारण RAG को प्राथमिकता दी जाती है।

Azure AI Studio (AI Foundry)

Azure AI Studio (जिसे Azure AI Foundry के रूप में फिर से ब्रांड किया जा रहा है) Azure पर जनरेटिव AI अनुप्रयोग बनाने के लिए एकीकृत पोर्टल है। इसमें मॉडल के उत्तरों का इंटरैक्टिव रूप से परीक्षण करने के लिए एक प्लेग्राउंड, वास्तविक-आधार डेटासेट के विरुद्ध मॉडल की गुणवत्ता का मूल्यांकन करने के लिए उपकरण, RAG पाइपलाइन बनाने और उन्हें REST API के रूप में परिनियोजित करने के लिए एक प्रॉम्प्ट फ्लो डिज़ाइनर, और डेवलपर कार्यप्रवाहों के लिए GitHub तथा VS Code के साथ एकीकरण उपलब्ध है। Azure AI Studio मॉडल परिनियोजन से लेकर उत्पादन AI अनुप्रयोग तक की प्रक्रिया को सरल बनाता है।

टोकन मूल्य निर्धारण और कोटा प्रबंधन

Azure OpenAI में संसाधित किए गए प्रत्येक 1,000 टोकन के आधार पर शुल्क लिया जाता है — एक टोकन में लगभग 4 वर्ण या 0.75 शब्द होते हैं। इनपुट (प्रॉम्प्ट) और आउटपुट (उत्तर) दोनों टोकन के लिए शुल्क लिया जाता है। GPT-4 की प्रति टोकन लागत GPT-3.5-turbo से काफी अधिक है। दुरुपयोग रोकने के लिए प्रत्येक परिनियोजन में प्रति मिनट टोकन (TPM) कोटा होता है, जो थ्रूपुट को सीमित करता है। यदि आपका अनुप्रयोग कोटा पार कर जाता है, तो API 429 TooManyRequests लौटाती है। आप कोटा बढ़ाने का अनुरोध कर सकते हैं या क्लाइंट-पक्षीय घातीय बैकऑफ़ और पुनःप्रयास तर्क लागू कर सकते हैं।

जनरेटिव AI के लिए उत्तरदायी AI

Microsoft अपने उत्तरदायी AI सिद्धांतों को विशेष रूप से जनरेटिव AI पर लागू करता है। आधार-संगतता — उत्तर सत्यापन योग्य जानकारी पर आधारित होने चाहिए (RAG इसमें सहायता करता है)। पारदर्शिता — उपयोगकर्ताओं को पता होना चाहिए कि वे AI के साथ संवाद कर रहे हैं। हानि की रोकथाम — सामग्री फ़िल्टर हानिकारक आउटपुट को रोकते हैं। गोपनीयता — Azure OpenAI में आपके डेटा का उपयोग OpenAI के वैश्विक मॉडल को प्रशिक्षित करने के लिए नहीं किया जाता। Azure OpenAI पर बनाए गए अनुप्रयोगों में उपयोग-मामले का जोखिम आकलन शामिल करना और पहचानी गई हानियों के लिए Microsoft की स्वीकार्य उपयोग नीति के अनुसार आवश्यक शमन उपाय लागू करना अनिवार्य है।

त्वरित जाँच

इस पाठ में दिए गए Microsoft Azure Fundamentals (AZ-900) के सिद्धांतों की अपनी समझ जाँचें।

इंटरैक्टिव पाठ में इसका उत्तर दें

पाठ का पुनरावलोकन

इस पाठ में आपने सीखा: Azure OpenAI Service निजी नेटवर्किंग और अनुपालन सुविधाओं के साथ GPT-4 तथा अन्य मॉडलों तक उद्यम-स्तरीय पहुँच प्रदान करता है, चैट कम्प्लीशन्स API सिस्टम/उपयोगकर्ता/सहायक संदेश भूमिकाओं का उपयोग करके बहु-चरणीय संवाद संचालित करती है, और एंबेडिंग तथा RAG आपके निजी डेटा के आधार पर मॉडल के उत्तरों को संदर्भित करते हैं, जिससे मनगढ़ंत उत्तर कम होते हैं। आगे हम Azure नियंत्रण तल के माध्यम से हाइब्रिड और ऑन-प्रिमाइसेस संसाधनों के प्रबंधन के लिए Azure Arc का अध्ययन करेंगे।

शुरुआत निःशुल्क

एआई शिक्षक के साथ Cloud & IT Cert Prep सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम: 150
पाठ: 600

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “Azure OpenAI Service” पाठ निःशुल्क है?

हाँ—“Azure OpenAI Service” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और Cloud & IT Cert Prep पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। Cloud & IT Cert Prep पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“Azure OpenAI Service” में मैं क्या सीखूँगा?

Azure OpenAI Service में GPT मॉडल परिनियोजित करें, किसी स्क्रिप्ट से completions API कॉल करें और उत्तरदायी कृत्रिम बुद्धिमत्ता के सिद्धांतों तथा सामग्री फ़िल्टर करने के विकल्पों को समझें। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ Cloud & IT Cert Prep का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या Cloud & IT Cert Prep शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर Cloud & IT Cert Prep शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 4वाँ पाठ है।

“Azure OpenAI Service” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस Cloud & IT Cert Prep पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर Cloud & IT Cert Prep पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

← Cloud & IT Cert Prep पर वापस जाएँ