以下为您介绍一些 AI 入门课程:
此外,微软 AI 初学者入门课程还有详细的课程列表,如“人工智能导论”“符号人工智能”等,部分课程有相关讲义的链接。
译者:Miranda,课程原网址https://microsoft.github.io/AI-For-Beginners/通过微软为期12周、共24课时的课程,一起来探索人工智能(AI)的世界!在本课程中,你将深入学习符号人工智能(Symbolic AI)、神经网络(Neural Networks)、计算机视觉(Computer Vision)、自然语言处理(Natural Language Processing)等内容。如果想提升学习效果,可以亲身实践课程内容、做随堂小测试或根据课程内容开展实验。这套课程是由专家设计的人工智能综合指南,它非常适合初学者,覆盖了TensorFlow、PyTorch及人工智能伦理原则。今天就开始你的人工智能之旅吧!在本课程中,你将学到:实现人工智能的不同方法,包括使用了知识表示和推理的符号人工智能,它是一种“有效的老式人工智能”([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence))。神经网络和深度学习,它们是现代人工智能的核心,我们将使用两个最流行的框架([TensorFlow](https://www.tensorflow.org/)和[PyTorch](https://pytorch.org/))中的代码来说明这两个主题背后的重要概念。处理图像和文本的神经架构,我们将介绍最新的模型,但在最前沿的信息上可能会有所欠缺。不太流行的人工智能方法,如遗传算法(Genetic Algorithms)和多智能体系统(Multi-Agent Systems)。
学习人工智能(AI)是一个既刺激又富有挑战的旅程,它将带领你进入一个充满创新和发现的世界。如果你想开始学习AI,这里有一份详细的学习路径指南,可以帮助你从基础概念到实际应用,逐步建立起你的AI知识体系。1.了解AI基本概念:首先,建议阅读「[从这里启程](https://waytoagi.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=blkjooAlLFNtvKJ2)」部分,熟悉AI的术语和基础概念。了解什么是人工智能,它的主要分支(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,这些文章通常会介绍AI的历史、当前的应用和未来的发展趋势。1.开始AI学习之旅:在「[入门:AI学习路径](https://waytoagi.feishu.cn/wiki/ZYtkwJQSJiLa5rkMF5scEN4Onhd?table=tblWqPFOvA24Jv6X&view=veweFm2l9w)」中,你将找到一系列为初学者设计的课程。这些课程将引导你了解生成式AI等基础知识,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,你可以按照自己的节奏学习,并有机会获得证书。1.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),你可以根据自己的兴趣选择特定的模块进行深入学习。
|编号|课程|介绍|PyTorch|Keras/ TensorFlow|实验|<br>|-|-|-|-|-|-|<br>|I|人工智能导论|人工智能导论|人工智能导论|人工智能导论|人工智能导论|<br>|1|人工智能简介和历史|[讲义](https://waytoagi.feishu.cn/wiki/HbhhwapFoiVgs1kk1TIcV3a7nzd)||||<br>|II|符号人工智能|符号人工智能|符号人工智能|符号人工智能|符号人工智能|<br>|2 |知识表示和专家系统|[讲义](https://waytoagi.feishu.cn/wiki/SBH5wXRnPi6ZRYkjplVcRTRPnJh)|[专家系统](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/Animals.ipynb)[本体](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/FamilyOntology.ipynb)[概念图](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/MSConceptGraph.ipynb)|||<br>|(待更新)|(待更新)|(待更新)|(待更新)|(待更新)|(待更新)|