AI：AI-For-Beginners(Microsoft的人工智能课程=符号AI+神经网络+计算机视觉+自然语言处理)的简介、使用方法之详细攻略

阅读本书更多章节>>>>

AI：AI-For-Beginners(Microsoft的人工智能课程=符号AI+神经网络+计算机视觉+自然语言处理)的简介、使用方法之详细攻略

目录

AI-For-Beginners(Microsoft课程)的简介

1、课程学习到的内容

2、在这个课程中不会涵盖的内容：

3、公告 - 刚刚发布了关于生成AI的新课程！

4、核心内容

AI-For-Beginners(Microsoft课程)的使用方法

1、开始使用

---

AI-For-Beginners(Microsoft课程)的简介

探索微软的12周、24课时的课程，进入人工智能的世界！深入了解符号AI、神经网络、计算机视觉、自然语言处理等。动手实验、测验和实验室增强你的学习。这个由专家设计的全面指南非常适合初学者，涵盖了TensorFlow、PyTorch和道德AI原则。今天就开始你的AI之旅吧！"

官网：https://aka.ms/genai-beginners

GitHub官网：https://github.com/microsoft/AI-For-Beginners

GitHub官网(新地址)：https://github.com/microsoft/generative-ai-for-beginners/tree/main?WT.mc_id=academic-105485-koreyst

1、课程学习到的内容

>> 不同的人工智能方法，包括“古老”的符号方法，知识表示和推理（GOFAI）。

>> 神经网络和深度学习，是现代AI的核心。我们将使用TensorFlow和PyTorch这两个最受欢迎的框架来演示这些重要概念背后的概念。

>> 用于处理图像和文本的神经架构。我们将涵盖最近的模型，但在最先进的模型上可能稍有欠缺。

>> 不太受欢迎的AI方法，如遗传算法和多智能体系统。

2、在这个课程中不会涵盖的内容：

>> 在商业中使用AI的业务案例。考虑在Microsoft Learn上学习针对商业用户的人工智能入门课程，或者与INSEAD合作开发的AI商业学校。

>> 在我们的机器学习初学者课程中有很好描述的经典机器学习。

>> 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 Learn的视觉、自然语言处理、使用Azure OpenAI服务的生成AI等模块开始。

>> 特定的ML云框架，如Azure机器学习、Microsoft Fabric或Azure Databricks。考虑使用Azure机器学习构建和操作机器学习解决方案以及使用Azure Databricks构建和操作机器学习解决方案的学习路径。

>> 会话AI和聊天机器人。有一个单独的创建会话AI解决方案的学习路径，您还可以参考这篇博文以获取更多详细信息。

>> 深度学习的深层数学。为此，我们推荐Ian Goodfellow、Yoshua Bengio和Aaron Courville撰写的《深度学习》，该书也可在线获取，网址为https://www.deeplearningbook.org/。

如果你想要了解AI在云端的主题，你可以考虑学习Azure上的AI入门学习路径。

3、公告 - 刚刚发布了关于生成AI的新课程！

我们刚刚发布了一个12课时的生成AI课程。来学习以下内容：

提示和提示工程

文本和图像应用生成

搜索应用程序

像往常一样，有一个课程，需要完成的作业，知识检查和挑战。

官网：https://aka.ms/genai-beginners

4、核心内容

No	课程	简介	PyTorch	Keras/TensorFlow	实验室
I	人工智能简介
1	人工智能的介绍和历史	文本
II	符号AI
2	知识表示和专家系统	文本	专家系统、本体论、概念图
III	神经网络简介
3	感知机	文本	笔记本	实验室
4	多层感知机和我们自己的框架	文本	笔记本	实验室
5	框架（PyTorch/TensorFlow）简介和过拟合	文本	PyTorch	Keras/TensorFlow	实验室
IV	计算机视觉	微软Azure AI基础：探索计算机视觉
Microsoft Learn 计算机视觉模块		PyTorch	TensorFlow
6	计算机视觉简介。OpenCV	文本	笔记本	实验室
7	卷积神经网络	文本	文本	PyTorch	TensorFlow
8	预训练网络和迁移学习	训练技巧	文本	文本	PyTorch
9	自编码器和变分自编码器	文本	PyTorch	TensorFlow
10	生成对抗网络	艺术风格迁移	文本	PyTorch	TensorFlow GAN
11	目标检测	文本	PyTorch	TensorFlow	实验室
12	语义分割。U-Net	文本	PyTorch	TensorFlow
V	自然语言处理	微软Azure AI基础：探索自然语言处理
Microsoft Learn 自然语言处理模块		PyTorch	TensorFlow
13	文本表示。Bag-of-Words/TF-IDF	文本	PyTorch	TensorFlow
14	语义词嵌入。Word2Vec和GloVe	文本	PyTorch	TensorFlow
15	语言建模。训练自己的嵌入	文本	PyTorch	TensorFlow	实验室
16	循环神经网络	文本	PyTorch	TensorFlow
17	生成循环网络	文本	PyTorch	TensorFlow	实验室
18	变换器。BERT。	文本	PyTorch	TensorFlow
19	命名实体识别	文本		TensorFlow	实验室
20	大型语言模型，提示编程和少量样本任务	文本	PyTorch
VI	其他AI技术
21	遗传算法	文本	笔记本
22	深度强化学习	文本	PyTorch	TensorFlow	实验室
23	多智能体系统	文本
VII	人工智能伦理
24	人工智能伦理和负责任的AI	文本	MS Learn：负责任的AI原则
附加
X1	多模态网络，CLIP和VQGAN	文本	笔记本

每个课程都包含一些预阅读材料（如上文的文本链接），以及一些可执行的Jupyter笔记本，这些笔记本通常特定于框架（PyTorch或TensorFlow）。可执行的笔记本也包含很多理论材料，因此要理解主题，你需要至少浏览一个版本的笔记本（PyTorch或TensorFlow）。某些主题也有实验室可供使用，这为你提供了将所学材料应用于特定问题的机会。

某些部分还包含了MS Learn模块的链接，这些模块涵盖了相关主题。Microsoft Learn提供了一个方便的GPU支持的学习环境，尽管在内容上你可以期待这个课程会深入一些。

AI-For-Beginners(Microsoft课程)的使用方法

1、开始使用

学生们，有几种使用本课程的方法。首先，你可以在GitHub上直接阅读文本和查看代码。如果你想在任何笔记本中运行代码 - 请阅读我们的说明，并在本博客文章中找到更多相关建议。

注意：关于如何在本课程中运行代码的说明

然而，如果你想将本课程作为一个自学项目，我们建议你将整个仓库分叉到自己的GitHub账户上，并自己或与小组一起完成练习：

>> 从课前测验开始。

>> 阅读讲座的简介文本。

>> 如果讲座有额外的笔记本，请阅读并执行它们中的代码。如果提供了TensorFlow和PyTorch>> 两个笔记本，你可以选择其中一个 - 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进行实验。

>> 完成课后测验。

>> 如果模块附有实验室 - 完成作业。

>> 访问讨论板，进行“大声学习”。

为了进一步学习，我们推荐跟随这些Microsoft Learn模块和学习路径。

教师们，我们提供了一些关于如何使用本课程的指导建议。

阅读本书更多章节>>>>

本文链接：https://www.kjpai.cn/gushi/2024-04-13/158292.html，文章来源：网络cs，作者：付梓，版权归作者所有，如需转载请注明来源和作者，否则将追究法律责任！