人工智慧初學者課程


AI For Beginners - 速寫筆記由 @girlie_mac 製作

使用我們為期 12 週、共 24 課的課程，探索人工智慧（AI）的世界！課程包含實務課程、小測驗和實驗室。課程對初學者友好，涵蓋了 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（自動且永遠保持最新）

偏好本機克隆？

本儲存庫包含 50 多種語言的翻譯，這會顯著增加下載大小。如需克隆不包含翻譯的版本，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"
這樣可以讓您以更快的速度下載完成課程所需的一切。

想要新增其他翻譯語言嗎？支援的語言列表請參考這裡

加入社群

你將學到什麼

課程心智圖

在本課程中，你將學習：

不同的人工智慧方法，包括「經典的」符號主義方法，利用知識表示與推理 (GOFAI)。
神經網路與深度學習，這是現代 AI 的核心。我們會用兩個最流行的框架——TensorFlow 和 PyTorch 的程式示範來說明這些重要概念。
運用於影像和文本的神經架構。我們會介紹近期的模型，但可能略微缺乏最先進的技術。
不太主流的 AI 方法，如遺傳演算法和多代理系統。

本課程不包含的內容：

在我們的 Microsoft Learn 集合中找到本課程所有額外資源

AI 在商業中的應用案例。建議學習 Microsoft Learn 上的商業用戶人工智慧入門或與 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。
利用 認知服務 建置的實務 AI 應用。推薦先從 Microsoft Learn 的視覺、自然語言處理、利用 Azure OpenAI 服務的生成式 AI 等模組開始。
特定的 ML 雲端框架，如 Azure Machine Learning、Microsoft Fabric 或 Azure Databricks。建議使用使用 Azure Machine Learning 建置與操作機器學習解決方案和使用 Azure Databricks 建置與操作機器學習解決方案自學路徑。
對話式 AI 和 聊天機器人。另有專門的建立對話式 AI 解決方案自學路徑，還可參考這篇部落格文章。
深度學習背後的數學原理。推薦閱讀 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 所著的 Deep Learning，線上版本亦可參考 https://www.deeplearningbook.org/。

想要輕鬆入門 雲端 AI 主題，可以考慮 Microsoft Learn 提供的在 Azure 上開始人工智慧自學路徑。

內容

	課程連結	PyTorch/Keras/TensorFlow	實驗室
0	課程設置	如何設定您的開發環境
I	人工智慧簡介
01	人工智慧介紹與歷史	-	-
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	神經網路簡介
03	感知器	筆記本	實驗
04	多層感知器與建立我們自己的框架	筆記本	實驗
05	框架簡介（PyTorch/TensorFlow）及過擬合	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	卷積神經網路 & CNN 結構	PyTorch /TensorFlow	實驗
08	預訓練網路及轉移學習和訓練技巧	PyTorch / TensorFlow	實驗
09	自編碼器與變分自編碼器	PyTorch / TensorFlow
10	生成對抗網路及藝術風格轉換	PyTorch / TensorFlow
11	目標檢測	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	文本表示。Bag of Words/TF-IDF	PyTorch / TensorFlow
14	語義詞嵌入。Word2Vec 與 GloVe	PyTorch / TensorFlow
15	語言模型。訓練你自己的嵌入	PyTorch / TensorFlow	實驗
16	循環神經網路	PyTorch / TensorFlow
17	生成循環網路	PyTorch / TensorFlow	實驗
18	Transformer。BERT。	PyTorch /TensorFlow
19	命名實體識別	TensorFlow	實驗
20	大型語言模型、提示編程及少量示範任務	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
23	多代理系統
VII	AI 倫理
24	AI 倫理與負責任的 AI	Microsoft Learn: 負責任的 AI 原則
IX	額外資源
25	多模態網路、CLIP 與 VQGAN	筆記本

每個課程包含

預先閱讀材料
可執行的 Jupyter 筆記本，通常針對特定框架（PyTorch 或 TensorFlow）。可執行的筆記本也包含大量理論材料，因此要理解主題，至少需要閱讀其中一個版本的筆記本（PyTorch 或 TensorFlow 其中一個）。
一些主題提供的 實驗室，讓你有機會嘗試將所學知識應用到具體問題中。
部分章節包含指向涵蓋相關主題的 MS Learn 模組的連結。