初學者人工智能課程


AI For Beginners - Sketchnote by @girlie_mac

透過我們為期12星期、共24課的課程，探索人工智能（AI）的世界！課程包含實踐課程、測驗及實驗室。課程適合初學者，涵蓋TensorFlow和PyTorch等工具，以及AI的倫理議題。

🌐 多語言支援

透過GitHub Action支援（自動及隨時更新）

想本地克隆？

此儲存庫包含50多種語言翻譯，會大幅增加下載大小。若想不含翻譯檔案克隆，請使用稀疏檢出：

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"
這樣能更快下載，並取得完成本課程所需所有內容。

若希望增添其他支援語言，請參閱此處

加入社群

你將學習到什麼

課程心智圖

本課程將教你：

不同的人工智能方法，包括「經典」符號方法，涵蓋知識表示與推理（GOFAI）。
神經網絡與深度學習，是現代AI的核心。我們將用兩大熱門框架的代碼來示範這些重要主題的概念——TensorFlow及PyTorch。
用於圖像與文本的神經結構。我們會介紹近期模型，但或許不完全涵蓋最新前沿。
較少流行的AI方法，如遺傳算法與多智能體系統。

本課程將不涵蓋的內容：

在我們的 Microsoft Learn 集合中找到本課程的所有額外資源

商業應用中的AI業務案例。建議參加Microsoft Learn上的面向商務用戶的AI入門學習路徑，或由INSEAD合作開發的AI商業學院。
經典機器學習，詳述於我們的機器學習初學者課程。
使用認知服務建立的實用AI應用。建議先從Microsoft Learn的視覺、自然語言處理、利用Azure OpenAI服務的生成式AI等模塊開始。
特定的機器學習雲端框架，如Azure Machine Learning、Microsoft Fabric或Azure Databricks。建議參考在 Azure Machine Learning 上建立及運營機器學習解決方案及在 Azure Databricks 上建立及運營機器學習解決方案學習路徑。
對話式AI及聊天機械人。另有專門的建立對話式AI解決方案學習路徑，也可參考此篇部落格文章了解更多。
深入的深度學習數學。推薦參考 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 的深度學習一書，線上版可見於https://www.deeplearningbook.org/。

若想輕鬆入門 雲端上的AI 主題，可考慮學習在Azure上開始使用人工智能學習路徑。

內容

	課程連結	PyTorch/Keras/TensorFlow	實驗室
0	課程設置	設置您的開發環境
I	AI簡介
01	人工智能簡介及歷史	-	-
II	符號AI
02	知識表示與專家系統	專家系統 / 本體論 /概念圖
III	神經網絡入門
03	感知器	筆記本	實驗
04	多層感知器與建立自己的框架	筆記本	實驗
05	框架入門（PyTorch/TensorFlow）及過度擬合	PyTorch / Keras / TensorFlow	實驗
IV	電腦視覺	PyTorch / TensorFlow	在 Microsoft Azure 探索電腦視覺
06	電腦視覺入門。OpenCV	筆記本	實驗
07	卷積神經網絡 & CNN 架構	PyTorch /TensorFlow	實驗
08	預訓練網絡與遷移學習和訓練技巧	PyTorch / TensorFlow	實驗
09	自編碼器與變分自編碼器 (VAEs)	PyTorch / TensorFlow
10	生成對抗網絡與藝術風格遷移	PyTorch / TensorFlow
11	物件偵測	TensorFlow	實驗
12	語義分割。U-Net	PyTorch / TensorFlow
V	自然語言處理	PyTorch /TensorFlow	在 Microsoft Azure 探索自然語言處理
13	文字表示。詞袋模型／TF-IDF	PyTorch / TensorFlow
14	語意詞嵌入。Word2Vec 與 GloVe	PyTorch / TensorFlow
15	語言模型。訓練自己的詞嵌入	PyTorch / TensorFlow	實驗
16	循環神經網絡	PyTorch / TensorFlow
17	生成循環網絡	PyTorch / TensorFlow	實驗
18	Transformers。BERT。	PyTorch /TensorFlow
19	命名實體識別	TensorFlow	實驗
20	大型語言模型、提示編程與少量示例任務	PyTorch
VI	其他 AI 技術
21	基因演算法	筆記本
22	深度強化學習	PyTorch /TensorFlow	實驗
23	多智能體系統
VII	AI 倫理
24	AI 倫理與負責任 AI	Microsoft Learn: 负责任的 AI 原则
IX	額外內容
25	多模態網絡、CLIP 與 VQGAN	筆記本

每課包含

預讀資料
可執行的 Jupyter 筆記本，通常針對特定框架（PyTorch 或 TensorFlow）。可執行筆記本還包含大量理論內容，因此要理解主題，您至少需要瀏覽一個版本的筆記本（PyTorch 或 TensorFlow 其中一個）。
一些主題提供的 實驗室，讓您有機會嘗試將所學材料應用於特定問題。
部分章節包含連結至涵蓋相關主題的 MS Learn 模組。