- 文集信息
- 目录大纲
- 最新文档
- 知识宇宙
文集详情
文集导读
人工智能入门 - 课程大纲
 |
|---|
| 人工智能入门 - 插图由@girlie_mac绘制 |
通过我们为期12周、共24课时的课程，探索人工智能（AI）的世界！这门课程包括实践性的课程、测验和实验室。课程面向初学者，涵盖了诸如TensorFlow和PyTorch等工具，以及AI伦理。
你将学到什么
在这门课程中，你将学习：
- 不同的人工智能方法，包括经典的“符号”方法，即知识表示与推理（GOFAI，即符号人工智能）。
- 神经网络与深度学习，这是现代AI的核心。我们将使用两种最流行的框架——TensorFlow和PyTorch，来阐述这些重要概念。
- 针对图像和文本处理的神经架构。我们会介绍最近的一些模型，但可能无法涵盖最新的技术进展。
- 较少人熟知的人工智能方法，如遗传算法和多智能体系统。
本课程不涵盖的内容：
- AI在商业中的应用案例。建议参加针对商业用户的AI简介或AI商业学校，该课程由INSEAD合作开发。
- 经典机器学习，这部分内容在我们的机器学习入门课程中有详细介绍。
- 使用**认知服务构建的实际AI应用。我们推荐从Microsoft Learn开始，例如视觉模块、自然语言处理模块以及使用Azure OpenAI服务生成AI**等。
- 特定的机器学习 云框架，如 Azure 机器学习、Microsoft Fabric 或 Azure Databricks。建议使用 使用 Azure 机器学习构建和运营机器学习解决方案 和 使用 Azure Databricks 构建和运营机器学习解决方案 学习路径。
- 对话式人工智能 和 聊天机器人。有一个单独的 创建对话式人工智能解决方案 学习路径，你也可以参考 这篇博客文章 获取更多详细信息。
- 深度学习背后的 深度数学。对于这一点，我们推荐 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 的《深度学习》(Deep Learning)，这本书也可在线访问 https://www.deeplearningbook.org/。
如果你想对 云中的 AI 主题有一个温和的介绍，可以考虑参加 在 Azure 上开始使用人工智能 学习路径。
内容
| 课程链接 | PyTorch/Keras/TensorFlow | 实验 | |
|---|---|---|---|
| 0 | 课程设置 | 设置开发环境 | |
| I | 人工智能简介 | ||
| 01 | 人工智能简介与历史 | - | - |
| II | 符号 AI | ||
| 02 | 知识表示与专家系统 | 专家系统 / 本体论 /概念图 | |
| III | 神经网络简介 | ||
| 03 | 感知器 | 笔记本 | 实验 |
| 04 | 多层感知器及创建自己的框架 | 笔记本 | 实验 |
| 05 | 框架简介（PyTorch/TensorFlow）与过拟合 | PyTorch / Keras / TensorFlow | 实验 |
| IV | 计算机视觉 | PyTorch / TensorFlow | 在 Microsoft Azure 上探索计算机视觉 |
| 06 | 计算机视觉简介。OpenCV | 笔记本 | 实验 |
| 07 | 卷积神经网络 和 CNN 架构 | PyTorch /TensorFlow | 实验 |
| 08 | 预训练网络和迁移学习 和 训练技巧 | PyTorch / TensorFlow | 实验 |
| 09 | 自动编码器和变分自编码器 | PyTorch / TensorFlow | |
| 10 | 生成对抗网络与艺术风格迁移 | PyTorch / TensorFlow | |
| 11 | 目标检测 | TensorFlow | 实验 |
| 12 | 语义分割。U-Net | PyTorch / TensorFlow | |
| V | 自然语言处理 | PyTorch /TensorFlow | 在Microsoft Azure上探索自然语言处理 |
| 13 | 文本表示。Bag of Words/TF-IDF | PyTorch / TensorFlow | |
| 14 | 语义词嵌入。Word2Vec和GloVe | PyTorch / TensorFlow | |
| 15 | 语言建模。训练自己的嵌入 | PyTorch / TensorFlow | 实验 |
| 16 | 循环神经网络 | PyTorch / TensorFlow | |
| 17 | 生成式循环网络 | PyTorch / TensorFlow | 实验 |
| 18 | 变换器。BERT。 | PyTorch /TensorFlow | |
| 19 | 命名实体识别 | TensorFlow | 实验 |
| 20 | 大型语言模型、提示编程和少量任务 | PyTorch | |
| VI | 其他AI技术 |
每课内容
- 预读材料
- 可执行的Jupyter笔记本，通常特定于框架（PyTorch 或 TensorFlow）。可执行笔记本中包含大量理论内容，因此要理解主题，需要至少阅读一个版本的笔记本（无论是PyTorch还是TensorFlow）。
- 实验 对于某些主题是可用的，这使你有机会将所学知识应用到具体问题中。
- 一些部分包含指向MS Learn模块的链接，这些模块涵盖了相关主题。
入门指南
- 我们创建了一个设置课程，帮助您设置开发环境。- 对于教育工作者，我们也为您创建了一个课程设置指南！
- 如何在VSCode或Codepace中运行代码
请按照以下步骤操作：
Fork仓库
点击此页面右上角的“Fork”按钮。
克隆仓库
git clone <your-fork-url>
别忘了给这个仓库点个星（），以便以后更容易找到它。
认识其他学习者
加入我们的官方AI Discord服务器，与其他正在学习这门课程的同学交流，并获得支持。
小测验
关于小测验的说明：所有的小测验都包含在etc\quiz-app文件夹中的Quiz-app文件夹内。它们从课程内部链接，可以在本地运行或部署到Azure；请按照
quiz-app文件夹中的说明操作。小测验正在逐步本地化。
寻求帮助
你有建议或发现拼写或代码错误吗？请提出问题或创建一个拉取请求。
特别感谢
- ✍️ 主要作者：Dmitry Soshnikov，博士
- ** 编辑**：Jen Looper，博士
- ** 草图插画师**：Tomomi Imura
- ✅ 小测验创建者：Lateefah Bello，MSLA
- ** 核心贡献者**：Evgenii Pishchik
其他课程
我们的团队还制作了其他课程！查看以下内容：
声明:
本文件灏天文库团队进行了翻译。尽管我们力求准确，但请注意，翻译可能包含错误或不准确之处。原文档以其原始语言为准。我们不对因使用此翻译而产生的任何误解或误译负责。
目录大纲
最新文档
知识宇宙
正在加载知识图谱...