AI-For-Beginners - 面向初学者的人工智能 - 课程
初学者的人工智能 - 课程
 |
|---|
| 初学者的AI - @girlie_mac的素描笔记 |
微软的 Azure 云倡导者很高兴提供为期 12 周、每节课、每节课的人工智能课程。
在本课程中，你将学习：
- 人工智能的不同方法，包括知识表示和推理（GOFAI）的“老式”符号方法。
- 神经网络和深度学习，这是现代人工智能的核心。我们将使用两个最流行的框架 - TensorFlow 和 PyTorch 中的代码来说明这些重要主题背后的概念。
- 用于处理图像和文本的神经架构。我们将介绍最近的模型，但可能缺乏一些最先进的模型。
- 不太流行的人工智能方法，如遗传算法和多智能体系统。
本课程中我们不会涵盖的内容：
- 在商业中使用 AI 的商业案例。考虑在与欧洲工商管理学院（INSEAD）合作开发的Microsoft Learn或AI商学院上为业务用户学习AI简介学习路径。
- 经典机器学习，在我们的初学者机器学习课程中有很好的描述
- 使用认知服务构建的实用 AI 应用程序。为此，我们建议你从用于视觉、自然语言处理等的 Microsoft Learn 模块开始。
- 特定的 ML 云框架，例如 Azure Machine Learning 或 Azure Databricks。请考虑将机器学习解决方案与 Azure 机器学习结合使用，并使用 Azure Databricks 学习路径生成和操作机器学习解决方案。
- 对话式 AI 和聊天机器人。有一个单独的创建对话式 AI 解决方案学习路径，还可以参考此博客文章了解更多详细信息。
- 深度学习背后的深度数学。为此，我们推荐Ian Goodfellow，Yoshua Bengio和Aaron Courville的深度学习，也可以在 https://www.deeplearningbook.org/ 在线获得。
有关云中 AI 主题的简要介绍，可以考虑在 Azure 学习路径上学习人工智能入门。
内容
| 不 | 课 | 介绍 | PyTorch | Keras/TensorFlow | 实验室 |
|---|---|---|---|---|---|
| 我 | 人工智能简介 | ||||
| 1 | 人工智能的介绍和历史 | 发短信 | |||
| 第二 | 符号人工智能 | ||||
| 2 | 知识表示和专家系统 | 发短信 | 专家系统、本体、概念图 | ||
| 第三 | 神经网络简介 | ||||
| 3 | 感知器 | 发短信 | 笔记本 | 实验室 | |
| 4 | 多层感知器和创建我们自己的框架 | 发短信 | 笔记本 | 实验室 | |
| 5 | 框架简介（PyTorch/TensorFlow） Overfitting |
文本文本 |
PyTorch | Keras/TensorFlow | 实验室 |
| 四 | 计算机视觉 | AI 基础知识：探索计算机视觉 | |||
| 微软计算机视觉学习模块 | PyTorch | 张量流 | |||
| 6 | 计算机视觉简介。OpenCV | 发短信 | 笔记本 | 实验室 | |
| 7 | 卷积神经网络 CNN 架构 |
文本文本 |
PyTorch | 张量流 | 实验室 |
| 8 | 预训练网络和迁移学习 培训技巧 |
文本文本 |
PyTorch |
张量流 Dropout 样本 对抗猫 |
实验室 |
| 9 | 自动编码器和VAE | 发短信 | PyTorch | 张量流 | |
| 10 | 生成对抗网络 艺术风格转移 |
发短信 | PyTorch |
TensorFlow GAN Style Transfer |
|
| 11 | 物体检测 | 发短信 | PyTorch | 张量流 | 实验室 |
| 12 | 语义分割。优网 | 发短信 | PyTorch | 张量流 | |
| V | 自然语言处理 | AI 基础知识：探索自然语言处理 | |||
| 微软自然语言学习模块 | PyTorch | 张量流 | |||
| 13 | 文本表示形式。弓/TF-IDF | 发短信 | PyTorch | 张量流 | |
| 14 | 语义词嵌入。Word2Vec 和 GloVe | 发短信 | PyTorch | 张量流 | |
| 15 | 语言建模。训练自己的嵌入 | 发短信 | PyTorch | 张量流 | 实验室 |
| 16 | 递归神经网络 | 发短信 | PyTorch | 张量流 | |
| 17 | 生成循环网络 | 发短信 | PyTorch | 张量流 | 实验室 |
| 18 | 变形金刚。伯特。 | 发短信 | PyTorch | 张量流 | |
| 19 | 命名实体识别 | 发短信 | 张量流 | 实验室 | |
| 20 | 大型语言模型，快速编程和少量任务 | 发短信 | PyTorch | ||
| 六 | 其他人工智能技术 | ||||
| 21 | 遗传算法 | 发短信 | 笔记本 | ||
| 22 | 深度强化学习 | 发短信 | PyTorch | 张量流 | 实验室 |
| 23 | 多代理系统 | 发短信 | |||
| 七 | 人工智能伦理 | ||||
| 24 | 人工智能伦理和负责任的人工智能 | 发短信 | MS 学习：负责任的 AI 原则 | ||
| 额外 | |||||
| X1 | 多模式网络，CLIP和VQGAN | 发短信 | 笔记本 | ||
每节课都包含一些预读材料（如上面的文本链接），以及一些可执行的Jupyter Notebooks，这些笔记本通常特定于框架（PyTorch或TensorFlow）。可执行笔记本还包含大量理论材料，因此要理解该主题，你需要至少浏览一个版本的笔记本（PyTorch 或 TensorFlow）。还有一些实验可用于某些主题，让你有机会尝试将所学材料应用于特定问题。
某些部分还包含指向涵盖相关主题的 MS Learn 模块的链接。Microsoft Learn提供了一个方便的GPU学习环境，尽管在内容方面，你可以期望本课程更深入一些。
你是学生吗？
开始使用以下资源：
- 学生中心页面在此页面中，你将找到初学者资源，学生包，甚至获得免费证书券的方法。这是你要不时添加书签和检查的页面，因为我们至少每月切换一次内容。
- 微软学生学习大使加入全球学生大使社区，这可能是你进入微软的方式。
开始
同学们，有几种方法可以使用课程。首先，你可以直接在 GitHub 上阅读文本并查看代码。如果要在任何笔记本中运行代码，请阅读我们的说明，并在此博客文章中找到有关如何执行此操作的更多建议。
但是，如果你想将课程作为自学项目参加，我们建议你将整个存储库分叉到你自己的 GitHub 帐户，并自行或与小组一起完成练习：
- 从讲座前测验开始
- 阅读讲座的介绍文本
- 如果讲座有额外的笔记本，请浏览它们，阅读和执行代码。如果同时提供了 TensorFlow 和 PyTorch 笔记本，你可以专注于其中一个 - 选择你喜欢的框架
- 笔记本通常包含一些挑战，需要你稍微调整代码以进行实验。
- 参加课后测验
- 如果模块附加了实验室 - 完成作业
- 访问讨论板以“大声学习”。
- 在Gitter或Telegram频道上与其他学习者聊天。
为了进一步学习，我们建议遵循这些 Microsoft Learn 模块和学习路径。
老师们，我们已经提供了一些关于如何使用这门课程的建议。
捐赠
认识团队
🎥 单击上面的图像以获取有关该项目和创建它的人的视频！
教育学
在构建此课程时，我们选择了两个教学原则：确保它是基于实践项目的，并且包括频繁的测验。
通过确保内容与项目保持一致，该过程对学生更具吸引力，并且概念的保留将得到增强。此外，课前的低风险测验设定了学生学习主题的意图，而课后的第二次测验可确保进一步的保留。该课程设计灵活有趣，可以全部或部分进行。这些项目从小规模开始，到12周周期结束时变得越来越复杂。
关于测验的说明：所有测验都包含在此应用程序中，总共 50 个测验，每个测验三个问题。它们从课程内链接，但测验应用程序可以在本地运行;按照文件夹中的说明进行操作。
etc/quiz-app
离线访问
你可以使用 Docsify 脱机运行本文档。分叉此存储库，在本地计算机上安装 Docsify，然后在此存储库的文件夹中键入 。该网站将在本地主机上的端口 3000 上提供服务：。课程的pdf可在此链接中找到。
etc/docsify
docsify serve
localhost:3000
需要帮助！
你想提供翻译吗？请阅读我们的翻译指南。
其他课程
我们的团队制作其他课程！退房：
