Skip to content

Update README.md (Typo "Azure Open AI"→"Azure OpenAI") #734

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Merged
merged 1 commit into from
Apr 14, 2025
Merged

Update README.md (Typo "Azure Open AI"→"Azure OpenAI") #734

Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
14 changes: 7 additions & 7 deletions 11-integrating-with-function-calling/translations/ja-jp/README.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -19,7 +19,7 @@
このレッスンを修了すると、下記を理解できます：

- 関数呼び出しを使う理由を説明できます。
- Azure Open AI Service を使用して関数呼び出しアプリを構築できます。
- Azure OpenAI Service を使用して関数呼び出しアプリを構築できます。
- アプリケーションのユースケースに適した効果的な関数呼び出しを設計できます。

## シナリオ：関数を用いてチャットボットを改善する
Expand All @@ -28,7 +28,7 @@

このシナリオを実現するために、下記の機能やサービスを使用します：

- `Azure Open AI`：利用者にチャット体験を提供する為に使用します。
- `Azure OpenAI`：利用者にチャット体験を提供する為に使用します。
- `Microsoft Learn Catalog API`：利用者のリクエストに基づいて、コースを見つける支援を行います。
- `Function Calling`：利用者の問い合わせ内容を取得し、それを関数に送信し API リクエストを作成します。

Expand All @@ -38,7 +38,7 @@

関数呼び出しを行う前は、LLM からの回答は構造化されておらず、一貫性がありませんでした。開発者は、得られるさまざまな回答に対して処理できるように、複雑な検証コードを記述する必要がありました。例えば、利用者は「今のストックホルムの天気は何ですか？」のような回答を得られませんでした。これは、モデルの学習データをトレーニングした時間が制限されているためです。

「関数呼び出し」は、Azure Open AI Service の機能で、下記ができるようになります：
「関数呼び出し」は、Azure OpenAI Service の機能で、下記ができるようになります：

- **一貫した回答形式**：回答形式をより適切に制御できれば、回答結果を他のシステムに対してより簡単に統合できます。
- **外部データの利用**：アプリケーションは、チャットのコンテキスト(文脈)に、他の外部データ・ソースのデータを使用できます。
Expand All @@ -51,7 +51,7 @@

たとえば、学生データのデータベースを作成し、学生に対して適切なコースを提案できるようにしたいと考えています。下記に含まれているデータ中に、2 人の非常によく似た学生の説明があります。

1. Azure Open AI リソースへの接続を作成します。
1. Azure OpenAI リソースへの接続を作成します。

```python
import os
Expand All @@ -68,7 +68,7 @@ api_version = "2023-07-01-preview"
deployment=os.environ['AZURE_OPENAI_DEPLOYMENT']
```

上記は、Azure Open AI への接続するための　 Python 　コードで、ここでは `api_version`、`api_key`を設定します。
上記は、Azure OpenAI への接続するための　 Python 　コードで、ここでは `api_version`、`api_key`を設定します。

1. `student_1_description`と`student_2_description`という変数を使用して、2 人の学生の説明を記述します。

Expand Down Expand Up @@ -121,7 +121,7 @@ prompt1 = f'''

上記のプロンプトは、LLM に情報を抽出し、応答を JSON 形式で返すように指示しています。

1. プロンプトと Azure Open AI の接続設定を行った後、`openai.ChatCompletion`を使用してプロンプトを LLM に送信します。プロンプトは `messages` 変数に格納し、ロールを `user` に設定します。これはチャット・ボットに対して、利用者からメッセージが書き込まれる様子を模倣するために記載しています。
1. プロンプトと Azure OpenAI の接続設定を行った後、`openai.ChatCompletion`を使用してプロンプトを LLM に送信します。プロンプトは `messages` 変数に格納し、ロールを `user` に設定します。これはチャット・ボットに対して、利用者からメッセージが書き込まれる様子を模倣するために記載しています。

```python
# プロンプト1からの応答
Expand Down Expand Up @@ -471,7 +471,7 @@ print(second_response.choices[0].message)

## 課題

Azure Open AI Function Calling の学習を続けるために、以下を試してみてください。
Azure OpenAI Function Calling の学習を続けるために、以下を試してみてください。

- 学習者がより多くのコースを見つける為に有効な関数のパラメーターを探して増やす。
- 学習者の母国語を聞くなど、学習者からより多くの情報を取得するための別の関数呼び出しを作成する。
Expand Down
Loading