 |
|---|
| Τεχνητή Νοημοσύνη για Αρχάριους - Σκιτσόσημo από την @girlie_mac |
Εξερευνήστε τον κόσμο της Τεχνητής Νοημοσύνης (AI) με το 12-εβδομαδιαίο, 24-μάθημα πρόγραμμα σπουδών μας! Περιλαμβάνει πρακτικά μαθήματα, κουίζ και εργαστήρια. Το πρόγραμμα σπουδών είναι φιλικό για αρχάριους και καλύπτει εργαλεία όπως το TensorFlow και το PyTorch, καθώς και ζητήματα ηθικής στην AI
Αραβικά | Μπενγκάλι | Βουλγαρικά | Βιρμανικά (Μιανμάρ) | Κινέζικα (Απλοποιημένα) | Κινέζικα (Παραδοσιακά, Χονγκ Κονγκ) | Κινέζικα (Παραδοσιακά, Μακάο) | Κινέζικα (Παραδοσιακά, Ταϊβάν) | Κροατικά | Τσέχικα | Δανικά | Ολλανδικά | Εσθονικά | Φινλανδικά | Γαλλικά | Γερμανικά | Ελληνικά | Εβραϊκά | Χίντι | Ουγγρικά | Ινδονησιακά | Ιταλικά | Ιαπωνικά | Κανάντα | Χμερ | Κορεατικά | Λιθουανικά | Μαλαισιανά | Μαλαγιάλαμ | Μαράθι | Νεπάλι | Νιγηριανό Πίντζιν | Νορβηγικά | Περσικά (Φαρσί) | Πολωνικά | Πορτογαλικά (Βραζιλίας) | Πορτογαλικά (Πορτογαλίας) | Πουντζάμπι (Γκουρμούκι) | Ρουμανικά | Ρωσικά | Σερβικά (Κυριλλικά) | Σλοβακικά | Σλοβενικά | Ισπανικά | Σουαχίλι | Σουηδικά | Ταγκάλογκ (Φιλιππινέζικα) | Ταμίλ | Τελγουγκου | Ταϊλανδικά | Τούρκικα | Ουκρανικά | Ουρντού | Βιετναμικά
Θέλετε να Κλωνοποιήσετε τοπικά;
Αυτό το αποθετήριο περιλαμβάνει μεταφράσεις σε 50+ γλώσσες, κάτι που αυξάνει σημαντικά το μέγεθος λήψης. Για κλωνοποίηση χωρίς τις μεταφράσεις, χρησιμοποιήστε το 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"Αυτό σας παρέχει όλα όσα χρειάζεστε για να ολοκληρώσετε το μάθημα με πολύ πιο γρήγορη λήψη.
Αν επιθυμείτε επιπλέον υποστηριζόμενες γλώσσες μετάφρασης, αυτές αναφέρονται εδώ
Διάγραμμα σκέψης του μαθήματος
Σε αυτό το πρόγραμμα σπουδών θα μάθετε:
- Διάφορες προσεγγίσεις στην Τεχνητή Νοημοσύνη, συμπεριλαμβανομένης της "παλιάς καλής" συμβολικής προσέγγισης με Αναπαράσταση Γνώσης και λογική (GOFAI).
- Νευρωνικά Δίκτυα και Βαθιά Μάθηση, που βρίσκονται στον πυρήνα της σύγχρονης AI. Θα απεικονίσουμε τις έννοιες πίσω από αυτά τα σημαντικά θέματα χρησιμοποιώντας κώδικα σε δύο από τα πιο δημοφιλή πλαίσια - TensorFlow και PyTorch.
- Νευρωνικές Αρχιτεκτονικές για εργασία με εικόνες και κείμενο. Θα καλύψουμε πρόσφατα μοντέλα, αν και μπορεί να είναι λίγο λιγότερο ενημερωμένα με την πιο σύγχρονη τεχνολογία.
- Λιγότερο δημοφιλείς προσεγγίσεις στην AI, όπως οι Γενετικοί Αλγόριθμοι και τα Συστήματα Πολλαπλών Πρακτόρων.
Τι δεν θα καλύψουμε σε αυτό το πρόγραμμα σπουδών:
Βρείτε όλους τους επιπλέον πόρους για αυτό το μάθημα στη συλλογή μας στο Microsoft Learn
- Επιχειρηματικές περιπτώσεις για τη χρήση της AI στις Επιχειρήσεις. Σκεφτείτε να κάνετε την εκπαιδευτική διαδρομή Εισαγωγή στην AI για επιχειρηματικούς χρήστες στο Microsoft Learn ή το AI Business School, που αναπτύχθηκε σε συνεργασία με το INSEAD.
- Κλασική Μηχανική Μάθηση, η οποία περιγράφεται καλά στο Machine Learning for Beginners Curriculum.
- Πρακτικές εφαρμογές AI που βασίζονται σε Cognitive Services. Για αυτό, συνιστούμε να ξεκινήσετε με τις μονάδες Microsoft Learn για όραση, επεξεργασία φυσικής γλώσσας, Γεννητική AI με την υπηρεσία Azure OpenAI και άλλες.
- Συγκεκριμένα Πλαίσια Cloud για ML, όπως το Azure Machine Learning, Microsoft Fabric ή Azure Databricks. Σκεφτείτε να χρησιμοποιήσετε τις διαδρομές μάθησης Build and operate machine learning solutions with Azure Machine Learning και Build and Operate Machine Learning Solutions with Azure Databricks.
- Conversational AI και Chat Bots. Υπάρχει ξεχωριστή εκπαιδευτική διαδρομή Δημιουργία λύσεων Conversational AI και μπορείτε επίσης να ανατρέξετε σε αυτό το άρθρο στο blog για περισσότερες λεπτομέρειες.
- Βαθιά Μαθηματικά πίσω από τη βαθιά μάθηση. Για αυτό, θα προτείναμε το Deep Learning των Ian Goodfellow, Yoshua Bengio και Aaron Courville, που είναι επίσης διαθέσιμο online στο https://www.deeplearningbook.org/.
Για μια απαλή εισαγωγή στα θέματα AI στο Cloud μπορείτε να σκεφτείτε να κάνετε τη διαδρομή μάθησης Ξεκινήστε με τεχνητή νοημοσύνη στο Azure.
- Υλικό προανάγνωσης
- Εκτελέσιμα Jupyter Notebooks, που συχνά είναι συγκεκριμένα για το πλαίσιο εργασίας (PyTorch ή TensorFlow). Το εκτελέσιμο notebook περιέχει επίσης πολύ θεωρητικό υλικό, οπότε για να κατανοήσετε το θέμα πρέπει να περάσετε τουλάχιστον από μία έκδοση του notebook (είτε PyTorch είτε TensorFlow).
- Labs διαθέσιμα για ορισμένα θέματα, που σας δίνουν την ευκαιρία να δοκιμάσετε να εφαρμόσετε το υλικό που έχετε μάθει σε ένα συγκεκριμένο πρόβλημα.
- Μερικές ενότητες περιέχουν συνδέσμους προς MS Learn ενότητες που καλύπτουν σχετικά θέματα.
Αν είστε εντελώς νέος στην Τεχνητή Νοημοσύνη και θέλετε γρήγορα, πρακτικά παραδείγματα, ρίξτε μια ματιά στα Παραδείγματα για Αρχάριους! Περιλαμβάνουν:
- 🌟 Γεια σου Κόσμε της ΤΝ - Το πρώτο σας πρόγραμμα ΤΝ (αναγνώριση προτύπων)
- 🧠 Απλό Νευρωνικό Δίκτυο - Δημιουργήστε ένα νευρωνικό δίκτυο από το μηδέν
- 🖼️ Ταξινομητής Εικόνων - Κατηγοριοποιήστε εικόνες με λεπτομερή σχόλια
- 💬 Συναίσθημα Κειμένου - Αναλύστε θετικά/αρνητικά κείμενα
Αυτά τα παραδείγματα έχουν σχεδιαστεί για να σας βοηθήσουν να κατανοήσετε τις έννοιες της ΤΝ πριν βουτήξετε στο πλήρες πρόγραμμα σπουδών.
- Έχουμε δημιουργήσει ένα μάθημα ρύθμισης για να σας βοηθήσουμε με τη ρύθμιση του περιβάλλοντος ανάπτυξης.
- Για Εκπαιδευτικούς, έχουμε δημιουργήσει επίσης ένα μάθημα ρύθμισης προγράμματος σπουδών!
- Πώς να εκτελέσετε τον κώδικα σε VSCode ή Codespace
Ακολουθήστε αυτά τα βήματα:
Fork το Αποθετήριο: Κάντε κλικ στο κουμπί "Fork" στην πάνω δεξιά γωνία αυτής της σελίδας.
Clone το Αποθετήριο: git clone https://github.com/microsoft/AI-For-Beginners.git
Μην ξεχάσετε να κάνετε αστέρι (🌟) σε αυτό το repo για να το βρείτε πιο εύκολα αργότερα.
Εγγραφείτε στο επίσημο Discord server της AI για να γνωρίσετε και να δικτυωθείτε με άλλους μαθητές που κάνουν αυτό το μάθημα και να λάβετε υποστήριξη.
Αν έχετε σχόλια ή ερωτήσεις κατά την κατασκευή, επισκεφτείτε το Azure AI Foundry Developer Forum
Μια σημείωση για τα κουίζ: Όλα τα κουίζ περιλαμβάνονται στο φάκελο Quiz-app στο etc\quiz-app, ή Online Εδώ Είναι συνδεδεμένα από μέσα στα μαθήματα, η εφαρμογή κουίζ μπορεί να τρέξει τοπικά ή να αναπτυχθεί στο Azure· ακολουθήστε τις οδηγίες στο φάκελο
quiz-app. Σταδιακά μεταφράζονται.
Έχετε προτάσεις ή βρήκατε ορθογραφικά ή λάθη κώδικα; Δημιουργήστε ένα θέμα ή κάντε ένα pull request.
- ✍️ Κύριος Συγγραφέας: Dmitry Soshnikov, PhD
- 🔥 Επιμελητής: Jen Looper, PhD
- 🎨 Σχεδιαστής Σκιτστών: Tomomi Imura
- ✅ Δημιουργός Κουίζ: Lateefah Bello, MLSA
- 🙏 Βασικοί Συντελεστές: Evgenii Pishchik
Η ομάδα μας παράγει και άλλα προγράμματα σπουδών! Δείτε:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Αν κολλήσετε ή έχετε οποιεσδήποτε ερωτήσεις όσον αφορά την κατασκευή εφαρμογών ΤΝ. Ενταχθείτε σε άλλους μαθητές και έμπειρους προγραμματιστές σε συζητήσεις για το MCP. Είναι μια υποστηρικτική κοινότητα όπου οι ερωτήσεις είναι ευπρόσδεκτες και η γνώση μοιράζεται ελεύθερα.
Αν έχετε σχόλια προϊόντος ή σφάλματα κατά την ανάπτυξη, επισκεφτείτε:
Αποποίηση ευθυνών: Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης AI Co-op Translator. Ενώ επιδιώκουμε ακρίβεια, παρακαλούμε να γνωρίζετε ότι οι αυτόματες μεταφράσεις μπορεί να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν ευθυνόμαστε για τυχόν παρανοήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.