人工智能初学者课程


人工智能初学者 - 由@girlie_mac手绘速记

通过我们的12周、24节课课程探索人工智能（AI）的世界！课程包括实用的课程内容、测验和实验。课程适合初学者，涵盖了TensorFlow和PyTorch等工具，以及AI伦理。

🌐 多语言支持

通过GitHub Action支持（自动且始终保持最新）

想要本地克隆？

本仓库包含50多种语言的翻译版本，显著增加了下载大小。若想不包含翻译内容克隆，请使用稀疏检出：

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"
这样你将获得完整课程内容，同时下载速度更快。

如果您希望支持其他翻译语言，详情见这里

加入社区

你将学到什么

课程思维导图

在本课程中，你将学习：

不同的人工智能方法，包括“老派”的符号方法以及知识表示与推理(GOFAI)。
现代AI核心的神经网络和深度学习。我们会通过代码示例讲解这些重要主题的概念，使用两种最流行的框架——TensorFlow和PyTorch。
用于处理图像和文本的神经架构。我们会介绍近期的模型，但可能稍显不足于最新技术。
较少使用的AI方法，如遗传算法和多智能体系统。

本课程不涉及内容：

在我们的Microsoft Learn合集里找到本课程所有额外资源

AI在商业中的应用案例。建议学习微软Learn上的面向商务用户的AI入门课程或由INSEAD协作开发的人工智能商学院。
经典机器学习，在我们的初学者机器学习课程中有详细描述。
基于认知服务的实际AI应用。建议先从微软Learn上的计算机视觉、自然语言处理、Azure OpenAI 服务生成式 AI等模块开始学习。
特定的机器学习云框架，如Azure 机器学习、Microsoft Fabric、或Azure Databricks。推荐使用使用 Azure 机器学习构建和运行机器学习解决方案和在 Azure Databricks 上构建和运行机器学习解决方案学习路径。
会话式AI和聊天机器人。有专门的创建会话式AI解决方案学习路径，也可以参考此博客文章了解详细内容。
深度学习背后的深度数学。推荐阅读Ian Goodfellow、Yoshua Bengio和Aaron Courville合著的Deep Learning，在线版本请访问https://www.deeplearningbook.org/。

对于轻松入门云端的_Ai_相关话题，建议学习在Azure上入门人工智能学习路径。

课程内容

	课程链接	PyTorch/Keras/TensorFlow	实验
0	课程环境设置	搭建开发环境
I	人工智能简介
01	人工智能介绍与历史	-	-
II	符号AI
02	知识表示与专家系统	专家系统 / 本体论 /概念图谱
III	神经网络简介
03	感知器	笔记本	实验
04	多层感知器及创建我们的框架	笔记本	实验
05	框架简介（PyTorch/TensorFlow）及过拟合	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 & CNN 架构	PyTorch /TensorFlow	实验
08	预训练网络与迁移学习和训练技巧	PyTorch / TensorFlow	实验
09	自编码器与变分自编码器 (VAE)	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。词袋模型/TF-IDF	PyTorch / TensorFlow
14	语义词嵌入。Word2Vec和GloVe	PyTorch / TensorFlow
15	语言建模。自定义嵌入训练	PyTorch / TensorFlow	实验
16	循环神经网络	PyTorch / TensorFlow
17	生成循环网络	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，提示编程与少样本任务	PyTorch
VI	其他AI技术
21	遗传算法	笔记本
22	深度强化学习	PyTorch /TensorFlow	实验
23	多智能体系统
VII	人工智能伦理
24	人工智能伦理与负责任的AI	Microsoft Learn: 负责任的AI原则
IX	附加内容
25	多模态网络，CLIP 与 VQGAN	笔记本

每节课包含

预习材料
可执行的 Jupyter 笔记本，通常针对特定框架（PyTorch 或 TensorFlow）。可执行笔记本还包含大量理论内容，因此要理解主题，你需要至少通读其中一个版本的笔记本（PyTorch 或 TensorFlow）。
一些主题配有实验，让你有机会将所学内容应用到具体问题中。
部分章节含有指向涵盖相关主题的MS Learn模块的链接。