Skip to content

Latest commit

 

History

History
233 lines (173 loc) · 28.3 KB

File metadata and controls

233 lines (173 loc) · 28.3 KB

GitHub license GitHub contributors GitHub issues GitHub pull-requests PRs Welcome

GitHub watchers GitHub forks GitHub stars Binder Gitter

Microsoft Foundry Discord

Kunstig Intelligens for Begyndere - Et Pensum

Sketchnote af @girlie_mac https://twitter.com/girlie_mac
AI For Beginners - Sketchnote af @girlie_mac

Udforsk verden af Kunstig Intelligens (AI) med vores 12-ugers, 24-lektions pensum! Det inkluderer praktiske lektioner, quizzer og laboratorier. Pensum er begynder-venligt og dækker værktøjer som TensorFlow og PyTorch samt etik i AI

🌐 Flersproget Understøttelse

Understøttes via GitHub Action (Automatiseret & Altid Opdateret)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Foretrækker du at klone lokalt?

Dette repository inkluderer 50+ sprogoversættelser, hvilket øger download-størrelsen betydeligt. For at klone uden oversættelser, brug sparse checkout:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
cd AI-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
cd AI-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

Dette giver dig alt, hvad du behøver for at gennemføre kurset med en meget hurtigere download.

Hvis du ønsker at få understøttet yderligere oversættelsessprog, er de listet her

Bliv en del af fællesskabet

Microsoft Foundry Discord

Hvad du vil lære

Mindmap over kurset

I dette pensum vil du lære:

  • Forskellige tilgange til Kunstig Intelligens, herunder den "gamle" symbolske tilgang med Videnrepræsentation og ræsonnering (GOFAI).
  • Neurale Netværk og Deep Learning, som er kernen i moderne AI. Vi illustrerer koncepterne bag disse vigtige emner ved hjælp af kode i to af de mest populære frameworks - TensorFlow og PyTorch.
  • Neurale Arkitekturer til arbejde med billeder og tekst. Vi gennemgår nyere modeller, men kan mangle noget af det nyeste inden for state-of-the-art.
  • Mindre populære AI-tilgange, såsom Genetiske Algoritmer og Multi-Agent Systemer.

Hvad vi ikke vil dække i dette pensum:

Find alle yderligere ressourcer til dette kursus i vores Microsoft Learn-samling

Til en blid introduktion til AI i Cloud-emner kan du overveje at tage læringsvejledningen Kom godt i gang med kunstig intelligens på Azure.

Indhold

Lektion Link PyTorch/Keras/TensorFlow Laboratorium
0 Kursusopsætning Opsæt dit udviklingsmiljø
I Introduktion til AI
01 Introduktion og historie om AI - -
II Symbolsk AI
02 Vidensrepræsentation og Ekspertsystemer Ekspertsystemer / Ontologi /Konceptgraf
III Introduktion til Neurale Netværk
03 Perceptron Notebook Lab
04 Multi-Laget Perceptron og Oprettelse af vores eget Framework Notebook Lab
05 Intro til Frameworks (PyTorch/TensorFlow) og Overfitning PyTorch / Keras / TensorFlow Lab
IV Computer Vision PyTorch / TensorFlow Udforsk Computer Vision på Microsoft Azure
06 Intro til Computer Vision. OpenCV Notebook Lab
07 Konvolutions Neurale Netværk & CNN Arkitekturer PyTorch /TensorFlow Lab
08 Foruddannede Netværk og Transfer Learning og Træningstricks PyTorch / TensorFlow Lab
09 Autoencodere og VAEs PyTorch / TensorFlow
10 Generative Adversarial Networks & Kunstnerisk Stiloverførsel PyTorch / TensorFlow
11 Objektdetektion TensorFlow Lab
12 Semantisk Segmentering. U-Net PyTorch / TensorFlow
V Naturlig Sprogbearbejdning PyTorch /TensorFlow Udforsk Naturlig Sprogbearbejdning på Microsoft Azure
13 Tekstrepræsentation. Bow/TF-IDF PyTorch / TensorFlow
14 Semantiske ordembeddinger. Word2Vec og GloVe PyTorch / TensorFlow
15 Sprogsmodellering. Træn dine egne embeddinger PyTorch / TensorFlow Lab
16 Rekurrente Neurale Netværk PyTorch / TensorFlow
17 Generative Rekurrente Netværk PyTorch / TensorFlow Lab
18 Transformers. BERT. PyTorch /TensorFlow
19 Named Entity Recognition TensorFlow Lab
20 Store Sproglige Modeller, Prompt-Programmering og Few-Shot Opgaver PyTorch
VI Andre AI-teknikker
21 Genetiske Algoritmer Notebook
22 Dyb Forstærkningslæring PyTorch /TensorFlow Lab
23 Multi-Agent Systemer
VII AI-etik
24 AI-etik og Ansvarlig AI Microsoft Learn: Principper for Ansvarlig AI
IX Ekstra
25 Multi-Modal Netværk, CLIP og VQGAN Notebook

Hver lektion indeholder

  • Forlæsningsmateriale
  • Kørbare Jupyter Notebooks, som ofte er specifikke for rammeværket (PyTorch eller TensorFlow). Den kørbare notebook indeholder også meget teoretisk materiale, så for at forstå emnet skal du gennemgå mindst én version af notebooken (enten PyTorch eller TensorFlow).
  • Labs tilgængelige for nogle emner, som giver dig mulighed for at prøve at anvende det materiale, du har lært, på et specifikt problem.
  • Nogle sektioner indeholder links til MS Learn moduler, der dækker relaterede emner.

Kom godt i gang

🎯 Ny til AI? Start her!

Hvis du er helt ny til AI og ønsker hurtige, praktiske eksempler, så tjek vores Begyndervenlige Eksempler! Disse inkluderer:

  • 🌟 Hello AI World – Dit første AI-program (mønstergenkendelse)
  • 🧠 Simpelt Neuralt Netværk – Byg et neuralt netværk fra bunden
  • 🖼️ Billedklassificering – Klassificer billeder med detaljerede kommentarer
  • 💬 Tekst Sentiment – Analyser positiv/negativ tekst

Disse eksempler er designet til at hjælpe dig med at forstå AI-koncepter, før du dykker ned i den fulde læseplan.

📚 Opsætning af den fulde læseplan

Følg disse trin:

Fork repositoriet: Klik på "Fork" knappen øverst til højre på denne side.

Klon repositoriet: git clone https://github.com/microsoft/AI-For-Beginners.git

Glem ikke at give ⭐ (stjerne) til dette repo, så det er lettere at finde senere.

Mød andre deltagere

Deltag på vores officielle AI Discord-server for at møde og netværke med andre kursister, der tager dette kursus, og få support.

Hvis du har produktfeedback eller spørgsmål undervejs, besøg vores Azure AI Foundry Developer Forum

Quizzer

En note om quizzer: Alle quizzer findes i Quiz-app mappen i etc\quiz-app, eller Online her. De er linket fra lektionerne, quiz-appen kan køres lokalt eller deployeres til Azure; følg instruktionerne i quiz-app mappen. De bliver gradvist oversat.

Hjælp ønskes

Har du forslag eller fundet stave- eller kodefejl? Opret en issue eller lav en pull request.

Særlige tak

Andre læseplaner

Vores team producerer andre læseplaner! Se dem her:

LangChain

LangChain4j for Beginners LangChain.js for Beginners LangChain for Beginners

Azure / Edge / MCP / Agents

AZD for Beginners Edge AI for Beginners MCP for Beginners AI Agents for Beginners


Generativ AI Serie

Generative AI for Beginners Generative AI (.NET) Generative AI (Java) Generative AI (JavaScript)


Kerne-læring

ML for Beginners Data Science for Beginners AI for Beginners Cybersecurity for Beginners Web Dev for Beginners IoT for Beginners XR Development for Beginners


Copilot Serie

Copilot for AI Paired Programming Copilot for C#/.NET Copilot Adventure

Få hjælp

Hvis du sidder fast eller har spørgsmål om at bygge AI-apps. Deltag med andre kursister og erfarne udviklere i diskussioner om MCP. Det er et støttende fællesskab, hvor spørgsmål er velkomne, og viden deles frit.

Microsoft Foundry Discord

Hvis du har produktfeedback eller fejl under udvikling, besøg:

Microsoft Foundry Developer Forum


Ansvarsfraskrivelse:
Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, bedes du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det oprindelige dokument på dets oprindelige sprog betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi er ikke ansvarlige for eventuelle misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse.