初学者的人工智能 - 课程
| AI For Beginners @girlie_mac的SketchNote |
使用我们的12周，24-所有人的课程探索人工智能（AI）！它包括实用的课程，测验和实验室。该课程对初学者友好，涵盖了Tensorflow和Pytorch等工具，以及AI中的道德规范
你会学到什么
课程的思维图
在此课程中，您将学习：
- 人工智能的不同方法，包括具有知识表示和推理的“良好旧”符号方法（GOFAI）。
- 神经网络和深度学习，这是现代AI的核心。我们将在两个最受欢迎的框架中使用代码-Tensorflow和Pytorch说明这些重要主题背后的概念。
- 用于使用图像和文本的神经体系结构。我们将介绍最近的型号，但最先进的模型可能有些缺乏。
- 不太流行的AI方法，例如遗传算法和多代理系统。
我们在此课程中不会涵盖的内容：
在我们的Microsoft学习收藏中找到本课程的所有其他资源
- 在业务中使用AI的业务案例。考虑与INSEAD合作开发的Microsoft Learn或AI商学院的AI介绍AI。
- 经典的机器学习，在我们的机器学习中为初学者课程进行了很好的描述。
- 使用认知服务构建的实用AI应用程序。为此，我们建议您从Microsoft模块开始学习视觉，自然语言处理，具有Azure OpenAi服务的生成AI等。
- 特定的ML云框架，例如Azure机器学习，Microsoft Fabric或Azure Databricks。考虑使用Azure机器学习，并使用Azure Databricks学习路径来使用构建和操作机器学习解决方案。
- 会话AI和聊天机器人。有一个单独的创建对话AI解决方案学习路径，您也可以参考此博客文章以获取更多详细信息。
- 深度学习背后的深度数学。为此，我们建议您深入学习Ian Goodfellow，Yoshua Bengio和Aaron Courville，也可以在https://www.*de*e*plearningbook.org/上在线获得。
对于云主题中AI的温和介绍，您可能会考虑从Azure学习路径上的人工智能开始。
内容
| 课程链接 | pytorch/keras/tensorflow | 实验室 | |
|---|---|---|---|
| 0 | 课程设置 | 设置您的开发环境 | |
| 我 | AI简介 | ||
| 01 | AI的介绍和历史 | - | - |
| ii | 符号AI | ||
| 02 | 知识代表和专家系统 | 专家系统 /本体学 /概念图 | |
| iii | 神经网络简介 | ||
| 03 | 感知者 | 笔记本 | 实验室 |
| 04 | 多层感知并创建我们自己的框架 | 笔记本 | 实验室 |
| 05 | 框架（pytorch/tensorflow）和过拟合的框架介绍 | pytorch / keras / tensorflow | 实验室 |
| iv | 计算机视觉 | Pytorch / TensorFlow | 探索Microsoft Azure上的计算机视觉 |
| 06 | 计算机视觉介绍。 OPENCV | 笔记本 | 实验室 |
| 07 | 卷积神经网络和CNN体系结构 | Pytorch /TensorFlow | 实验室 |
| 08 | 预训练的网络以及转移学习和培训技巧 | Pytorch / TensorFlow | 实验室 |
| 09 | 自动编码器和VAE | Pytorch / TensorFlow | |
| 10 | 生成对抗网络和艺术风格转移 | Pytorch / TensorFlow | |
| 11 | 对象检测 | 张量 | 实验室 |
| 12 | 语义细分。 U-net | Pytorch / TensorFlow | |
| v | 自然语言处理 | Pytorch /TensorFlow | 探索Microsoft Azure上的自然语言处理 |
| 13 | 文本表示。弓/TF-IDF | Pytorch / TensorFlow | |
| 14 | 语义词嵌入。 Word2Vec和手套 | Pytorch / TensorFlow | |
| 15 | 语言建模。训练自己的嵌入 | Pytorch / TensorFlow | 实验室 |
| 16 | 复发性神经网络 | Pytorch / TensorFlow | |
| 17 | 生成性复发网络 | Pytorch / TensorFlow | 实验室 |
| 18 | 变压器。伯特。 | Pytorch /TensorFlow | |
| 19 | 命名实体识别 | 张量 | 实验室 |
| 20 | 大型语言模型，及时编程和少量射击任务 | Pytorch | |
| vi | 其他AI技术 | ||
| 21 | 遗传算法 | 笔记本 | |
| 22 | 深厚的增强学习 | Pytorch /TensorFlow | 实验室 |
| 23 | 多代理系统 | ||
| vii | 人工智能道德 | ||
| 24 | 人工智能道德和负责人AI | 微软学习：负责的人工智能原则 | |
| ix | 额外 | ||
| 25 | 多模式网络，剪辑和VQGAN | 笔记本 |
每个课都包含
- 预读材料
- 可执行的Jupyter笔记本电脑，通常是框架（ Pytorch或Tensorflow ）的特定于此。可执行的笔记本还包含许多理论材料，因此要了解至少需要一个笔记本（Pytorch或Tensorflow）的主题。
- 实验室可用于某些主题，这使您有机会尝试将所学的材料应用于特定问题。
- 一些部分包含指向MS的链接学习涵盖相关主题的模块。
入门
- 我们创建了一个设置课，以帮助您设置开发环境。 - 对于教育工作者来说，我们也为您创建了课程设置课！
- 如何在VSCODE或CODEPACE中运行代码
请按照以下步骤：
叉子存储库：单击此页面右上角的“叉”按钮。
克隆存储库：git克隆https://git*hu**b.com/microsoft/ai-for-beginners.git
不要忘记出演此存储库，以发现以后更容易。
认识其他学习者
加入我们的官方AI Discord Server，与其他学习者见面并与获得此课程的其他学习者建立联系。
如果您有产品反馈或疑问，则建筑物访问我们的Azure AI Foundry开发人员论坛
测验
有关测验的注释：所有测验都包含在etc quiz-app中的Quiz-App文件夹中，它们是从课程中链接的测验应用程序可以在本地运行或部署到Azure的；按照测验应用程序夹中的说明。他们逐渐被本地化。
把招工广告
您是否有建议或发现的拼写或代码错误？提出问题或创建拉动请求。
特别感谢
- ✍️主要作者： Dmitry Soshnikov，博士
- 编辑： Jen Looper，博士
- ?Sketchnote Illustrator： Tomomi Imura
- ✅测验创建者： Latefah Bello，MLSA
- 核心贡献者： Evgenii Pishchik
其他课程
我们的团队还制作其他课程！查看：
- AI For Beginners
- AI For Beginners .NET
- javaScript的生成AI
- AI For Beginners
- 初学者的数据科学
- ML初学者
- 初学者的网络安全
- 初学者的Web开发人员
- 初学者的物联网
- XR开发初学者
- 掌握用于配对编程的github副驾驶
- 掌握C＃/。网络开发人员的GitHub Copilot
- 选择您自己的副驾驶冒险
下载源码
通过命令行克隆项目:
git clone https://github.com/microsoft/AI-For-Beginners.git