人工智能初学者课程


AI For Beginners - 作者 @girlie_mac 的手绘笔记

通过我们的12周、24课时课程探索人工智能（AI）的世界！课程包含实用课程、测验和实验。课程适合初学者，涵盖了TensorFlow和PyTorch等工具，以及人工智能伦理。

🌐 多语言支持

通过GitHub Action支持（自动且始终保持最新）

倾向于本地克隆？

本仓库包含50多种语言的翻译，因此下载体积较大。若想无翻译克隆，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"
这样可以获得完成课程所需的全部内容，下载速度更快。

如果您希望支持额外的翻译语言，支持的语言列表请见这里

加入社区

您将学到什么

课程思维导图

在本课程中，您将学习：

不同的人工智能方法，包括基于知识表示和推理的“传统”符号方法（GOFAI）。
现代人工智能核心的神经网络和深度学习。我们将通过两个最受欢迎框架的代码示例（TensorFlow 和 PyTorch）来解释这些重要主题背后的概念。
处理图像和文本的神经架构。将涵盖近期模型，但对最前沿技术可能稍显不足。
不太常见的AI方法，如遗传算法和多智能体系统。

本课程不涵盖：

查找本课程的所有额外资源，请访问我们的 Microsoft Learn 收藏

在业务中应用AI的商业案例。可以考虑学习Microsoft Learn上的面向业务用户的AI介绍学习路径，或微软与 INSEAD 合作开发的 AI商业学院。
经典机器学习，我们在 Machine Learning for Beginners Curriculum 中有详细描述。
使用 认知服务 构建的实际AI应用。推荐先学习 Microsoft Learn 中的视觉、自然语言处理、Azure OpenAI 服务的生成式AI 等模块。
特定的机器学习 云框架，如 Azure 机器学习，Microsoft Fabric 或 Azure Databricks。可以参考使用 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AI 和 聊天机器人。另有单独的创建对话式AI解决方案学习路径，也可以参考这篇博客获得更多细节。
深度学习背后的深层数学。推荐参考 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 的《Deep Learning》，该书也可在线阅读：https://www.deeplearningbook.org/。

如果想轻松入门 云端AI 主题，可以考虑学习在 Azure 上开始使用人工智能学习路径。

内容

	Lesson Link	PyTorch/Keras/TensorFlow	Lab
0	课程环境设置	设置您的开发环境
I	人工智能简介
01	人工智能介绍与历史	-	-
II	符号人工智能
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	多层感知器及自建框架	笔记本	实验
05	框架简介（PyTorch/TensorFlow）和过拟合	PyTorch / Keras / TensorFlow	实验
IV	计算机视觉	PyTorch / TensorFlow	探索 Microsoft Azure 上的计算机视觉
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	自动编码器与变分自动编码器	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	探索 Microsoft Azure 上的自然语言处理
13	文本表示。词袋模型/TF-IDF	PyTorch / TensorFlow
14	语义词向量。Word2Vec 和 GloVe	PyTorch / TensorFlow
15	语言建模。训练你自己的词向量	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	Transformer。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	AI 伦理
24	AI 伦理与负责任 AI	Microsoft Learn：负责任 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

预读材料
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材料，因此要理解主题，您需要至少阅读一个版本的笔记本（PyTorch 或 TensorFlow）。
一些主题提供 实验室，让您有机会将所学内容应用到具体问题中。
部分章节包含指向涵盖相关主题的 MS Learn 模块的链接。