直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

我是零基础，请问从哪里学起

回答

如果您是零基础想要学习 AI，以下是一些建议：

AI 提示词工程师方向：

  • 网上有很多基础课程可供选择，比如一些科普类教程。
  • 阅读 OpenAI 的文档，理解每个参数的作用和设计原理。
  • 推荐一些练手的 Prompt 工具和相关教程文档。

强化学习方向：

  • 如果概率论和线性代数知识遗忘较多，可以学习相关课程，大约周末一天时间。
  • 若对机器学习无基础，可先看吴恩达的课程，再以李宏毅的课程作为补充。只关注入门的话，看前几节讲完神经网络的部分，约 25 小时。
  • 跟着《动手学深度学习 https://hrl.boyuai.com/》动手学习并写代码，入门看前五章，约 10 小时。
  • 观看 B 站王树森的深度学习课程的前几节学习强化学习基础知识点，约 5 小时。
  • 上手做项目时，可以看《动手学强化学习》，看到 DQN 部分，约十几小时。

Stable Diffusion 方向：

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

刘海：「AI 提示词工程师」の 见解和经验分享

如果你现在真的是0基础小白，推荐你去找找网上的教程，虽然是新领域吧…但是基础课程还是蛮多的，为什么这么说呢，因为AIGC这种不稳定不确定的业务流里面，真正第一波赚钱的是哪些人？不是做应用的吧，卖课的。不过我还是推荐你看一些科普类教程，比如我前几天看到的这个视频做的不错：还有OpenAI的文档也过一下，理解一下每个参数都有哪些作用，为什么要这样设计，不至于面试官一问就触及的知识盲区和认知上限了。推荐有阅读能力的还是读一读官方文档吧，毕竟外面做教程的都有时效性，第二天OpenAI就更新文档，旧的教程就可能废弃了。推荐一些练手的Prompt工具：一些相关教程文档：

入门指南：强化学习

1.如果和我一样一点基础也没有，并且概率论和线性代数的知识差不多都忘完了，那么可以去看一下相关课程学习一下，如果不关注公式啥的，这一步可以先忽略，大约周末一天时间就可以搞定；2.然后如果对机器学习也一点基础都没有的话，可以先看吴恩达的课程，有个大致的理解，然后去看李宏毅的课程作为补充，如果单纯的想入门学习强化学习，那么只需要看前几节讲完神经网络那里就差不多了，这个视频课程估计要看25小时左右；3.学完之后可以跟着《动手学深度学习https://hrl.boyuai.com/》一起动手学习一下我们上面学到的概念，写写代码，如果只是入门的话看前五章就好了，本篇文章的很多资料也是整理自这本书，大约10小时左右；4.接下来可以看看B站王树森的深度学习的课程，可以先看前几节学习一下强化学习的基础知识点，大约5小时左右；5.到这个阶段估计还是懵的，需要去上手做点项目，那么可以看《动手学强化学习》这本书，已经开源了https://hrl.boyuai.com/，只看到DQN的部分，大约十几小时。

Nenly：Stable Diffusion 零基础入门课学习资料汇总

含每节课的知识图谱与必要资料内容，请根据对应课程章节点击下方标题进入——[扩展应用：超清放大Tiled Diffusion & VAE + ControlNet Tile模型，低显存打造AI绘画超高清6K分辨率体验！](https://www.notion.so/Tiled-Diffusion-VAE-ControlNet-Tile-AI-6K-82170316b25348db9f1a85d62e80ed21?pvs=21)[扩展应用：AI二维码+艺术字+光影光效+创意Logo生成，绝对是B站最详细的Stable Diffusion特效设计流程教学！](https://www.notion.so/AI-Logo-B-Stable-Diffusion-0d0912b057b14f90b9b97b34285cab5f?pvs=21)B站首门系统的AI绘画入门教程来了！零基础玩转Stable Diffusion，就看这个系列的视频了！https://space.bilibili.com/1814756990提示词宝典：BV12X4y1r7QB模型新手包：BV1Us4y117Rg汉化及扩展安装：BV1hz4y1a76M学习资料链接：🔗：https://nenly.notion.site/017c3341c8b84a7ebb4c2cb16f36e28f随堂练习素材下载：🔗夸克：https://pan.quark.cn/s/98b88f75cc5f

其他人在问
我做过微商，主要是网上卖门票优惠劵，美食优惠卷，过节卖月饼种子礼盒，还有蟹卡，我平时时间比较富裕，请推荐我适合做那个行业的副业，我45岁，男士，适合利用哪款ai工具来帮助我的副业，我应该具体从什么开始学起，我是做能源石油开采行业的，请给我推荐几款副业，
您好，鉴于您的情况，以下是一些可能适合您的副业推荐： 1. 电商直播带货：您有销售经验，可以通过直播介绍和销售各类特色产品。 2. 在线咨询服务：利用您在能源石油开采行业的专业知识，为相关从业者提供咨询。 在 AI 工具方面，您可以考虑以下几种： 1. 智能客服工具：例如阿里云小蜜等，帮助您处理客户的常见问题，提高服务效率。 2. 数据分析工具：如百度统计、腾讯分析等，帮助您分析市场数据和客户需求。 对于学习，建议您从以下方面开始： 1. 了解 AI 工具的基本功能和操作方法。 2. 学习如何运用数据分析工具来挖掘潜在的市场需求和客户偏好。 希望以上建议对您有所帮助。
2024-09-16
我有一个纯文字的 ppt，请问哪个大模型工具能帮助我完成配图和优化
以下大模型工具可能有助于您完成纯文字 PPT 的配图和优化： 1. Stable Diffusion：其中的 loraprompttool 插件是一个神器。安装方式可以在扩展面板中点击“从网址安装”，输入 https://github.com/a2569875/loraprompttool ，或者将插件文件夹复制到“……\\sdwebuiakiv4\\extensions”目录下。安装完成后重启 webUI，在想要使用的 lora 上面点击右键，即可看到触发词并加载到正向提示词中。 2. 对于大模型工具的选择，推荐顺序如下：chatGPT 4.0、kimichat、智谱清言 4。国产大模型中，智谱和文心在文生图方面也有一定能力。
2024-09-09
请问什么大模型可以提供从给出的视频中精准提取图片的？
目前，一些大模型具备从给出的视频中精准提取图片的能力。例如，多模态大模型可以实现这一功能。 多模态技术能够从图像中提取文本，理解图像或视频中发生的事情，识别物体、场景甚至情绪。像谷歌的 Gemini 多模态大模型，它可以处理多种不同的任务，应用范围广泛。 在实际应用中，比如有人想为一只猫买新衣服，可以给模型提供两张猫的图片，同时提供一个文本提示，询问什么样的衣服适合这只猫，模型会给出响应。又比如在解决物理问题时，提供包含问题和学生答案的图像以及文本提示，模型能够逐步推理并判断答案是否正确。 但需要注意的是，不同的大模型在具体的提取效果和精度上可能会有所差异，具体的应用效果还需要根据实际情况进行评估和选择。
2024-09-07
请问有户型图设计的工具吗
以下是一些可以用于户型图设计的工具： 1. HDAidMaster：这是一款云端工具，在建筑设计、室内设计和景观设计领域表现出色，搭载自主训练的建筑大模型ArchiMaster，软件的UI和设计成果颜值在线。 2. Maket.ai：主要面向住宅行业，设计师输入房间面积需求和土地约束，软件能自动生成户型图并查看详细设计结果。 3. ARCHITEChTURES：AI驱动的三维建筑设计软件，在住宅设计早期阶段可引入标准和规范约束AI生成的设计结果，保证设计合规性。 4. Fast AI 人工智能审图平台：形成全自动智能审图流程，将建筑全寿命周期内的信息集成，实现数据汇总与管理。 每个工具都有其特定的应用场景和功能，建议您根据自己的具体需求来选择合适的工具。
2024-09-03
请问国内的ai大模型，比如coze,豆包，kimi,科大讯飞，天工，通义千问，智谱清言，秘塔，知乎直达，文心一言，他们各有什么有优势
以下是国内一些 AI 大模型的优势： 通义千问：由阿里云开发，能够与人交互、回答问题及协作创作。 科大讯飞（SparkDesk）：有免费接口，在某些应用场景中具有出色表现。 智谱清言：在聊天状态下能生成 Markdown 格式。 文心一言：百度出品的 AI 对话产品，定位为智能伙伴，能写文案、想点子，又能陪你聊天、答疑解惑。 抖音（云雀大模型）：暂未明确其独特优势。 智谱 AI（GLM 大模型）：暂未明确其独特优势。 中科院（紫东太初大模型）：暂未明确其独特优势。 百川智能（百川大模型）：暂未明确其独特优势。 商汤（日日新大模型）：暂未明确其独特优势。 MiniMax（ABAB 大模型）：目前不能进行自然语言交流，但有语音合成等特色功能。 Kimi 智能助手：由 Moonshot AI 出品，有着超大“内存”，可以一口气读完二十万字的小说，还会上网冲浪。 需要注意的是，不同大模型的优势会因应用场景和用户需求的不同而有所差异。
2024-09-03
如果我要开始学习ai，请问有哪些资源是我可以用到并对我有很大帮助的
以下是一些对您开始学习 AI 很有帮助的资源： ：通过实用的例子和代码，解释了 AI 基础知识的全面、免费的课程。
2024-08-29
请问文星一言与chatgpt的区别
文心一言和 ChatGPT 有以下一些区别： 1. 数学能力方面：GPT4 相对于 ChatGPT 表现出显著的改进。GPT4 在许多复杂数学问题中展示了更深入的理解，并能够应用适当的推理；而 ChatGPT 通常会采用低级启发式方法，提到与问题仅是表面相关的公式和概念，表明缺乏实际理解。 2. 应用场景方面：ChatGPT 不仅是一个应用程序，还可以作为 API 进行访问，能执行一些与其他编排框架相同的功能，如抽象出对定制提示的需求、维持状态，并通过插件、API 或其他来源检索上下文数据。虽然 ChatGPT 不是其他开发工具的直接竞争对手，但可以视为替代解决方案，并且可能成为即时构建的可行、简单的替代方案。 3. 所属概念方面：ChatGPT 是 AIGC 技术的一个应用实例，是美国 OpenAI 公司开发的一款基于大型语言模型（LLM）的对话机器人，能够根据用户的输入生成连贯且相关的文本回复。而文心一言是百度开发的语言模型。
2024-08-26
零基础的小白想学习AI怎么开始
对于零基础的小白想学习 AI，可以按照以下步骤开始： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，能找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛（比如图像、音乐、视频等），可以根据自己的兴趣选择特定的模块进行深入学习。 完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。
2024-09-18
有代码基础和数学基础，帮我制定一份AI的学习计划，主要方向是数据分析、计算机视觉和AIGC
以下是一份针对您有代码基础和数学基础，以数据分析、计算机视觉和 AIGC 为主要方向的 AI 学习计划： 一、基础知识学习 1. 深入学习 AI 相关的基本概念，包括但不限于： AI（人工智能）：了解其定义、发展历程和应用领域。 机器学习：掌握监督学习、无监督学习和强化学习的原理和应用。 深度学习：理解神经网络和神经元的工作原理。 2. 学习相关数学知识，如线性代数、概率论、统计学等，为后续的学习打下坚实基础。 二、数据分析方向 1. 学习数据分析的基本流程和方法，包括数据收集、清洗、预处理和可视化。 2. 掌握常见的数据分析工具和库，如 Python 的 Pandas、NumPy、Matplotlib 等。 3. 学习数据挖掘和机器学习算法在数据分析中的应用，如分类、回归、聚类等。 三、计算机视觉方向 1. 学习计算机视觉的基本概念和原理，如图像处理、特征提取、目标检测等。 2. 掌握深度学习框架，如 TensorFlow、PyTorch 等，并学习使用它们进行计算机视觉任务的开发。 3. 实践常见的计算机视觉项目，如人脸识别、图像分类、目标跟踪等。 四、AIGC 方向 1. 了解 AIGC 的发展现状和应用场景。 2. 学习生成式模型，如生成对抗网络（GAN）、变分自编码器（VAE）等。 3. 实践 AIGC 相关的项目，如文本生成、图像生成等。 五、学习资源推荐 1. 在线课程：Coursera 上的《机器学习》《深度学习专项课程》等。 2. 书籍：《机器学习》（周志华）、《深度学习》（伊恩·古德费洛等）。 3. 开源项目：在 GitHub 上寻找相关的优秀开源项目进行学习和实践。 4. 视频资源： ：某知识 up 主老石谈芯专访安克创新 CEO 阳萌的视频，一共两期，内容硬核，值得观看。 六、实践与项目经验积累 积极参与实际项目，将所学知识应用到实际中，不断提升自己的能力。 请注意，学习是一个持续的过程，需要不断地实践和总结，祝您学习顺利！
2024-09-18
0基础中老年学习者必须知道的AI基本概念和知识 是哪几个
对于 0 基础的中老年学习者，以下是必须知道的 AI 基本概念和知识： 一、Python 基础 1. 基本语法：包括变量命名、缩进等规则。 2. 数据类型：如字符串、整数、浮点数、列表、元组、字典等。 3. 控制流：条件语句（if）、循环语句（for 和 while）控制程序执行流程。 4. 函数：定义和调用函数，理解参数和返回值，以及作用域和命名空间。 5. 模块和包：导入模块，使用包来扩展程序功能。 6. 面向对象编程（OOP）：类和对象的定义与实例化，属性和方法的定义与调用。 二、AI 背景知识 1. 基础理论：了解人工智能、机器学习、深度学习的定义及相互关系。 2. 历史发展：回顾 AI 的发展历程和重要里程碑。 三、数学基础 1. 统计学基础：熟悉均值、中位数、方差等统计概念。 2. 线性代数：了解向量、矩阵等基本概念。 3. 概率论：掌握基础的概率论知识，如条件概率、贝叶斯定理。 四、算法和模型 1. 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 2. 无监督学习：熟悉聚类、降维等算法。 3. 强化学习：了解其基本概念。 五、评估和调优 1. 性能评估：知道如何评估模型性能，如交叉验证、精确度、召回率等。 2. 模型调优：学习使用网格搜索等技术优化模型参数。 六、文件操作 1. 文件读写：学习打开文件、读取文件内容和写入文件。 2. 文件与路径操作：理解如何处理文件路径，列举目录下的文件。 七、异常处理 1. 理解异常：了解什么是异常以及在 Python 中的工作方式。 2. 异常处理：学会使用 try 和 except 语句处理程序错误。
2024-09-13
你使用的是哪家基础大模型？
目前常见的基础大模型包括： Fooocus 程序默认用到了 3 个 SDXL 的模型，分别是一个 base，一个 Refiner，和一个 LoRA。其大模型（base 和 Refiner）默认放在：Fooocus_win64_1110\\Fooocus\\models\\checkpoints；LoRA 模型默认放在：Fooocus_win64_1110\\Fooocus\\models\\loras。如果单独安装，需要下载三个模型：SDXL 基础模型：https://huggingface.co/stabilityai/stablediffusionxlbase1.0/resolve/main/sd_xl_base_1.0_0.9vae.safetensors；refiner 模型：https://huggingface.co/stabilityai/stablediffusionxlrefiner1.0/resolve/main/sd_xl_refiner_1.0_0.9vae.safetensors；LoRA 模型：https://huggingface.co/stabilityai/stablediffusionxlbase1.0/resolve/main/sd_xl_offset_examplelora_1.0.safetensors。如果部署了 SD 秋叶包，也可以共用模型（大模型和 LoRA），可在 Fooocus_win64_1110\\Fooocus\\modules\\path.py 中修改路径为秋叶包模型对应的路径。配置好后点击 run.bat 文件启动。 在大型语言模型方面，主要有以下几家：OpenAI 制作了 GPT3.5 和 GPT4，它们驱动了 ChatGPT 和微软的 Bing（在 Edge 浏览器上访问）；Google 在 Bard 的标签品牌下有各种模型；Anthropic 制造了 Claude 和 Claude 2。 每个微调工作都从一个默认为 curie 的基本模型开始，模型可以是 ada、babbage、curie 或 davinci。您可以使用 OpenAI CLI 开始微调工作，具体操作及相关注意事项如上述说明。
2024-09-09
AI的基础知识
以下是关于 AI 基础知识的介绍： 编程语言方面： 可以从 Python、JavaScript 等编程语言开始学习，掌握编程语法、数据结构、算法等基础知识，为后续学习 AI 打下基础。 AI 工具和平台： 体验如 ChatGPT、Midjourney 等 AI 生成工具，了解其应用场景。 探索面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 AI 知识： 基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展：回顾 AI 的发展历程和重要里程碑。 数学基础：熟悉统计学（均值、中位数、方差等）、线性代数（向量、矩阵等）、概率论（条件概率、贝叶斯定理等）的知识。 算法和模型： 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。 强化学习：了解其基本概念。 实践方面： 参与学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 前沿动态： 关注 AI 领域的权威媒体和学者，了解最新进展，思考 AI 技术对未来社会的影响，培养思考和判断能力。 总之，学习 AI 基础知识可以从多个方面入手，全面系统地进行学习和实践。
2024-09-08
AI基础知识的资料，最好是有ppt或者pdf文件
以下是为您提供的 AI 基础知识资料： 新手学习 AI 的路径： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，您可以找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛（比如图像、音乐、视频等），您可以根据自己的兴趣选择特定的模块进行深入学习。 入门经典必读： 1. 基础学习：神经网络、反向传播和嵌入 ：这是 Nvidia 的四部分系列文章，介绍了 2015 年实践中的深度学习基础，对于刚开始学习 AI 的人来说是一个很好的资源。 翻译： 翻译： 翻译： 翻译： ：通过实用的例子和代码，解释了 AI 基础知识的全面、免费的课程。 ：对嵌入和令牌的简单介绍，它们是 LLM（和所有语言模型）的构建块。 翻译： 中学生学习 AI 的建议： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 可以参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 总之，中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能，为未来的 AI 发展做好准备。 请注意，以上部分内容由 AI 大模型生成，请仔细甄别。
2024-09-06