初學者人工智慧課程


AI For Beginners - 手繪筆記由 @girlie_mac 所繪

透過我們為期 12 週、共 24 課的課程探索 人工智慧 (AI) 的世界！課程包含實作課程、測驗與實驗室。此課程適合初學者，涵蓋 TensorFlow 與 PyTorch 等工具，以及人工智慧倫理。

🌐 多語言支援

透過 GitHub Action 支援（自動且隨時更新）

想要本機端克隆？

本倉庫內包含 50 多種語言翻譯，會大幅增加下載大小。若要不含翻譯版本克隆，請使用 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"
這樣可取得完成課程需要的所有檔案，且下載速度更快。

若想新增其他翻譯語言，支持的語言列表請見此處here

加入社群

你將學習到的內容

課程心智圖

本課程將教你：

不同的人工智慧方法，包括「傳統」的符號式方法，使用知識表徵和推理（GOFAI）。
現代 AI 核心的神經網絡與深度學習，我們將使用兩個最熱門的框架 TensorFlow 與 PyTorch 的程式碼來說明這些重要概念。
用於影像和文本處理的神經架構，我們會涵蓋近期模型，但可能略缺乏最新技術。
不那麼流行的 AI 方法，如基因演算法和多代理系統。

本課程不涵蓋：

在 Microsoft Learn 收藏中找到此課程所有額外資源

AI 在商業中的商業案例。建議參考 Microsoft Learn 上的商業使用者人工智慧入門路徑，或與 INSEAD 合作開發的 AI 商業學院。
經典機器學習，詳見我們的機器學習初學者課程。
基於 認知服務 的實務 AI 應用。推薦先從 Microsoft Learn 中的視覺、自然語言處理、Azure OpenAI 服務的生成式 AI 等模組開始。
特定的機器學習 雲端框架，如 Azure Machine Learning、Microsoft Fabric 或 Azure Databricks。可以考慮使用使用 Azure Machine Learning 建置與操作機器學習解決方案與使用 Azure Databricks 建置與操作機器學習解決方案這些學習路徑。
對話式 AI 與 聊天機器人。另有專門的建立對話式 AI 解決方案學習路徑，更多細節可參考這篇部落格文章。
深入的深度學習數學。推薦參考 Ian Goodfellow、Yoshua Bengio 與 Aaron Courville 的深度學習（Deep Learning），此書線上可訪問：https://www.deeplearningbook.org/。

若對 雲端上的人工智慧 有初步認識需求，可參考 Azure 上的人工智慧入門學習路徑。

課程內容

	課程連結	PyTorch/Keras/TensorFlow	實驗室
0	課程設定	設定您的開發環境
I	人工智慧簡介
01	人工智慧的介紹與歷史	-	-
II	符號式人工智慧
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	實驗室
04	多層感知器及建立我們自己的框架	筆記本	實驗室
05	框架介紹 (PyTorch/TensorFlow) 與過擬合	PyTorch / Keras / TensorFlow	實驗室
IV	電腦視覺	PyTorch / TensorFlow	在 Microsoft Azure 上探索電腦視覺
06	電腦視覺入門。OpenCV	筆記本	實驗室
07	卷積神經網絡 & CNN 架構	PyTorch /TensorFlow	實驗室
08	預訓練網絡與遷移學習及訓練技巧	PyTorch / TensorFlow	實驗室
09	自編碼器與變分自編碼器	PyTorch / TensorFlow
10	生成對抗網絡與藝術風格轉移	PyTorch / TensorFlow
11	目標檢測	TensorFlow	實驗室
12	語義分割。U-Net	PyTorch / TensorFlow
V	自然語言處理	PyTorch /TensorFlow	在 Microsoft Azure 上探索自然語言處理
13	文本表示。詞袋模型/TF-IDF	PyTorch / TensorFlow
14	語義詞嵌入。Word2Vec 與 GloVe	PyTorch / TensorFlow
15	語言模型。訓練您自己的嵌入	PyTorch / TensorFlow	實驗室
16	循環神經網絡	PyTorch / TensorFlow
17	生成型循環網絡	PyTorch / TensorFlow	實驗室
18	變換器。BERT。	PyTorch /TensorFlow
19	命名實體識別	TensorFlow	實驗室
20	大型語言模型、提示程式設計與少量示例任務	PyTorch
VI	其他 AI 技術
21	遺傳演算法	筆記本
22	深度強化學習	PyTorch /TensorFlow	實驗室
23	多代理系統
VII	AI 倫理
24	AI 倫理與負責任 AI	Microsoft Learn：負責任的 AI 原則
IX	額外資源
25	多模態網絡、CLIP 與 VQGAN	筆記本

每課包含

預先閱讀材料
可執行的 Jupyter 筆記本，通常特定於框架（PyTorch 或 TensorFlow）。可執行的筆記本還包含大量理論材料，因此要理解主題，您需要至少瀏覽其中一個版本的筆記本（PyTorch 或 TensorFlow）。
部分主題提供 實驗室，讓您有機會嘗試將所學材料應用於具體問題。
部分章節包含指向涵蓋相關主題的MS Learn模組的連結。