Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

入门学习AI

Answer

以下是为新手提供的 AI 入门学习建议：

  1. 了解 AI 基本概念：
    • 阅读「从这里启程」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「入门：AI 学习路径」中，您将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。
    • 掌握提示词的技巧，它上手容易且很有用。
  4. 实践和尝试：
    • 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。
    • 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。
  5. 体验 AI 产品：
Content generated by AI large model, please carefully verify (powered by aily)

References

问：新手如何学习 AI？

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。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。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。我建议你一定要掌握提示词的技巧，它上手容易且很有用。实践和尝试：理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出你的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎你实践后的分享。体验AI产品：与现有的AI产品进行互动是学习AI的另一种有效方式。尝试使用如ChatGPT、Kimi Chat、智谱、文心一言等AI聊天机器人，了解它们的工作原理和交互方式。通过与这些AI产品的对话，你可以获得对AI在实际应用中表现的第一手体验，并激发你对AI潜力的认识。

1.1 入门：AI 学习路径与课程

Kimi智能助手1.Chatgpt的国产平替，实际上手体验最好，推荐新手用Kimi入门学习和体验AI2.1.不用科学🕸️、不用付费、支持实时联网3.是国内最早支持20万字无损上下文的AI，也是目前对长文理解做的最好的Ai产品3.能一次搜索几十个数据来源，无广告，能定向指定搜索源(如小红书、学术搜索[PC端点我传送门直接使用](https://kimi.moonshot.cn/?utm_campaign=TR_LgLmkEor&utm_content=&utm_medium=%E7%BD%91%E7%AB%99&utm_source=CH_tpOYmtV1&utm_term=)[移动端Android/ios](https://kimi.volctrack.com/a/E3w3Q1xa)点我去下载

入门指南：强化学习

文：腾讯互动娱乐工程师luozhiyun原文地址：https://mp.weixin.qq.com/s/pOO0llKRKL1HKG8uz_Nm0A感谢群友.com的推荐最近因为AI大火，笔者也对AI产生强烈的兴趣，于是开启了AI的学习之旅。其实我也没学过机器学习，对AI基本上一窍不通，但是好在身处在这个信息爆炸的时代，去网上随便一搜就可以获得大量的学习资料。像这个链接里面：https://github.com/ty4z2008/Qix/blob/master/dl.md就有很多资料，但是这相当于大海捞针。在学习之前我们先明确自己的目的是什么，如题这篇文章是入门强化学习，那么就需要定义什么是入门。在很多强化学习里面，学习深度强化学习的第一个算法都是DQN，这个算法也足够好学和实用，所以本篇文章就以搞懂它做为目标，表示入门。下面是我的学习计划：

Others are asking
如何学习ai绘画
以下是关于学习 AI 绘画的一些指导： 首先，了解 Stable Diffusion 的工作原理。这就好比学习画画，比如学梵高的风格，要先看他的画并临摹。对于 AI 绘画来说，成千上万的美术风格作品被练成一个模型放在 AI 里，比如 Stable Diffusion 的大模型——Checkpoint，您可以在 C 站（https://civitai.com/，需科学上网）下载不同风格的大模型，如真实系、二次元、游戏 CG 风等。选对合适的大模型是画出符合心意作品的关键。 其次，要学会与 AI 对话，提示词（Prompt）非常重要。提示不是自然语言的简单应用，而是一种特殊的语言应用，它是实现人机交互的形式之一。 另外，还可以参考他人的学习经历，比如二师兄在 2024 年的学习过程。他从二月开始接触 AI 绘画，三月啃完 SD 的教程并开始炼丹，四月尝试 AI 变现途径，五月在没有硬件支持的情况下加入 Prompt battle 社群学习 Midjourney。 总之，学习 AI 绘画需要了解原理、选对模型、掌握提示词技巧，并不断实践和探索。
2025-02-12
有什么好的医学AI软件
以下是一些好的医学 AI 软件： 1. Scite.ai：这是一个为研究人员、学者和行业专业人员打造的创新平台，提供引用声明搜索、自定义仪表板和参考检查等工具，能简化学术工作。 2. Scholarcy：一款科研神器，能从文档中提取结构化数据，并通过知识归纳引擎生成文章概要，包含关键概念、摘要、学术亮点等板块内容。 3. ChatGPT：强大的自然语言处理模型，可提供医学课题的修改意见。 此外，还有一些与医学相关的 AI 应用： 1. 微医 APP：AI 医疗健康管理平台，利用 AI 技术分析用户的健康数据，为用户提供个性化的健康管理方案。 2. 彩云天气专业版：AI 天气预报定制服务，根据用户需求提供个性化天气预报服务。 在 AI 公司的产品方面，也有一些与医学相关或具有创新性的： 1. MedARC：一种新颖、开放和协作的医学 AI 研究方法。 2. DeepFloyd：最新最先进的开源文本图像模型，生成的图像具有高度真实感。 内容由 AI 大模型生成，请仔细甄别。
2025-02-12
ai的研究是否可以分为神经网络与知识图谱两个大的分类？
AI 的研究可以分为多个不同的分类，并非仅仅局限于神经网络与知识图谱这两个大的分类。 在常见的分类中： 非监督学习：最著名的是聚类，只需提供大量数据，让 AI 自行找出有趣信息。 迁移学习：在任务 A 中学习的内容可用于帮助完成任务 B，在计算机视觉领域有较多应用。 强化学习：根据输出好坏给予奖励或惩罚，利用“奖励信号”让 AI 自动学习最大化奖励，但需要大量数据。 生成对抗网络：由生成器和判别器构成，两者不断训练和竞争，提高生成真实数据的能力，广泛应用于多种领域。 此外，从技术和应用的角度来看： 知识图谱：在搜索等场景中展示关键信息，如人物相关信息、酒店信息等。 在企业中建构人工智能方面，NLG 可作为全新场景讨论，生成内容分为根据任务要求生成标准结果和根据信息进行内容创作两类，分别偏向 B 端和 C 端。NLP 能做的事情较标准化，LLM 的出现对其有提升和冲击。知识图谱领域本身有多种技术路径，与 LLM 可能是互补关系。 对于希望精进的学习者，还需要了解 AI 的背景知识，包括基础理论、历史发展、数学基础（统计学、线性代数、概率论），掌握算法和模型（监督学习、无监督学习、强化学习），学会评估和调优（性能评估、模型调优），以及神经网络基础（网络结构、激活函数）等。
2025-02-12
需要一些ai入门科普资料
以下是为您提供的 AI 入门科普资料： 一、技术原理相关 1. RAG（检索增强生成）：外部知识库切分成段落后转成向量，存在向量数据库。用户提问并查找到向量数据库后，段落信息会和原本的问题一块传给 AI，可搭建企业知识库和个人知识库。 2. PAL（程序辅助语言模型）：2022 年一篇论文中提出，对于语言模型的计算问题，不让 AI 直接生成计算结果，而是借助 Python 解释器等工具作为计算工具。 3. ReAct：2022 年一篇《React:在语言模型中协同推理与行动》的论文提出了 ReAct 框架，即 reason 与 action 结合，让模型动态推理并采取行动与外界环境互动，比如用搜索引擎对关键字进行搜索，观察行动得到的结果，可借助 LangChain 等框架简化构建流程。 二、关于未来的想象 1. Transformer 是仿生算法的阶段性实现，10 年、20 年后可能不再使用。 2. 在端到端算法的时代，不应继续使用冯诺依曼架构。 3. 在存算一体（在存储单元里做计算）的芯片之上，一定会诞生全新的算法。 个人总结：很多大佬认为要关注或直接阅读技术论文，比如产品经理转型 AI 产品经理需要懂技术脉络。但小白直接看技术论文有难度，虽可让 AI 辅助阅读，仍需一定知识储备。林粒粒呀的相关视频是很好的科普入门。 此外，安克创新的 CEO 阳萌的一些观点也很有启发，比如之前对安克创新的印象是卖充电宝和安防设备，但看了访谈后会被其认知震撼。
2025-02-12
AI 在投放素材生产的应用
AI 在投放素材生产中有以下应用： 1. 大淘宝设计部的实践： 品牌超级符号映射：根据品牌符号的模型训练和结构控制，用户输入关键词可快速完成准确的超级符号主视觉，如双 11 相关案例和超级品类日案例。 品牌 IP 形象 AI 生成：训练特定的天猫/淘宝/营销 IP 公仔模型，根据需求稳定输出定制化 IP 形象，可用于项目需求并形成素材库，如天猫的多个案例和天猫 U 先公仔案例。 传播&投放：包括双 11 超级发布和媒介投放开屏海报等案例。 大促营销：通过 AI 生成图像或素材，结合平面合成及修正，确保符合品牌形象并精准表达营销主题，快速生成多个设计变体并迭代优化，如淘宝天猫大促视觉等案例。 2. 分众传媒与阿里通义大模型的合作： 实现品牌营销 AI 化，赋能品牌客户进行品牌定位分析和策略制定，找到差异化优势，高效利用线下流量建立品牌势能。 降低营销门槛，通过一键生成广告语、一键 AI 设计等应用帮助广告主快速高效制作广告创意素材。 拓宽客户边界，提高服务能力，通过对供给侧的生产效率变革提高传媒行业新质生产力。 推出 AI 小智助手，通过“AIchat”对话交互方式进行品牌洞察分析和营销策略制定。 拥有 AI 广告语生成应用，基于分众高质量广告语数据和方法论，模拟营销专家创作思路搭建。 3. 整体趋势： 广告的内容形式和触达消费者的形式极大创新，未来将持续改变广告行业，升级各种类型广告形式。 提高营销内容生产效率，实现精准链接和高效触达，做到“千人千面”。 推动营销服务商商业模式革新，优化企业工作流，降本增效，提升毛利率，给用户带来全新体验。 AI 引擎助力广告营销行业加速成长，我国广告营销市场规模预计 2030 年将接近两万五千亿，若 5 年后获得 10%以上市场份额，2030 年国内 AI 营销总市场规模可达千亿级。
2025-02-12
做ai自媒体博主需要用到哪些工具
做 AI 自媒体博主可能会用到以下工具： 1. AI 研究工具：Claude、ChatGPT、Bing Chat、Perplexity 等。 2. 图片处理工具：DallE、Leonardo、BlueWillow、Midjourney 等。 3. 版权写作工具：Rytr、Copy AI、Wordtune、Writesonic 等。 4. 设计工具：Canva、Clipdrop、Designify、Microsoft Designer 等。 5. 网站搭建工具：10Web、Framer、Hostinger、Landingsite 等。 6. 视频处理工具：Klap、Opus、Invideo、Heygen 等。 7. 音频处理工具：Murf、LovoAI、Resemble、Eleven Labs 等。 8. SEO 优化工具：Alli AI、BlogSEO、Seona AI、Clearscope 等。 9. Logo 设计工具：Looka、LogoAI、Brandmark、Logomaster 等。 10. 聊天机器人工具：Droxy、Chatbase、Voiceflow、Chatsimple 等。 11. 自动化工具：Make、Zapier、Bardeen、Postman 等。
2025-02-12
物流公司信息系统管理员给同事讲解大模型入门级使用，帮忙推荐一些经验
以下是为物流公司信息系统管理员推荐的大模型入门经验： 一、什么是大模型 通俗来讲，大模型是通过输入大量语料，让计算机获得类似人类的“思考”能力，能够理解自然语言，并进行文本生成、推理问答、对话、文档摘要等工作。 可以用“上学参加工作”这件事来类比大模型的训练和使用过程： 1. 找学校：训练大模型需要大量计算，GPU 更合适，只有购买得起大量 GPU 的才有资本训练自己的大模型。 2. 确定教材：大模型需要的数据量特别多，几千亿序列（Token）的输入基本是标配。 3. 找老师：即用合适的算法讲述“书本”中的内容，让大模型能够更好理解 Token 之间的关系。 4. 就业指导：为了让大模型更好胜任某一行业，需要进行微调（fine tuning）指导。 5. 搬砖：就业指导完成后，正式干活，比如进行翻译、问答等，在大模型里称之为推导（infer）。 在大模型中，Token 被视为模型处理和生成的文本单位，可以代表单个字符、单词、子单词，甚至更大的语言单位，具体取决于所使用的分词方法（Tokenization）。Token 是原始文本数据与大模型可以使用的数字表示之间的桥梁。在将输入进行分词时，会对其进行数字化，形成一个词汇表。 二、数字化与 Embedding 数字化便于计算机处理，但为了让计算机理解 Token 之间的联系，还需要把 Token 表示成稠密矩阵向量，这个过程称之为 embedding。常见的算法有： 1. 基于统计： Word2Vec，通过上下文统计信息学习词向量。 GloVe，基于词共现统计信息学习词向量。 2. 基于深度网络： CNN，使用卷积网络获得图像或文本向量。 RNN/LSTM，利用序列模型获得文本向量。 3. 基于神经网络： BERT，基于 Transformer 和掩码语言建模（Masked LM）进行词向量预训练。 Doc2Vec，使用神经网络获得文本序列的向量。 以 Transform 为代表的大模型采用自注意力（Selfattention）机制来学习不同 token 之间的依赖关系，生成高质量 embedding。 大模型的“大”，指的是用于表达 token 之间关系的参数多，主要是指模型中的权重（weight）与偏置（bias），例如 GPT3 拥有 1750 亿参数，其中权重数量达到了这一量级，而词汇表 token 数只有 5 万左右。 参考：
2025-02-11
普通人如何入门AI
普通人入门 AI 可以参考以下步骤： 1. 了解 AI 基本概念： 建议阅读「」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，可根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库有很多大家实践后的作品、文章分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 此外，对于普通人直观初接触 AI ，可以从聊天工具、绘画工具、视频工具、音乐工具等方面入手。还可以运用万能公式法，问 AI 【一个（xxx 职业）需要具备哪些知识？】，让其给出知识框架，再根据框架小点去提问。 获取优质信息源方面，对于没有技术背景的普通人，像“即刻”App 的“”等免费圈子是不错的选择。如果担心信息洪流太大，学不过来，可以尝试以下 5 个技巧： 1. 只掌握最好的产品，少关注新产品测评（除非远超 ChatGPT）。 2. 只解决具体问题，不做泛泛了解。从问题中来，到问题中去。 3. 只关注核心能力，不关注花式玩法，用 AI 扬其长避其短。 4. 只关注理清需求和逻辑，不死记硬背提示词。 5. 先关注提升认知/洞察，然后再谈技巧。
2025-02-11
我想学习AI工具，初入门该怎么学习呢
对于初入门学习 AI 工具，您可以参考以下步骤： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念。了解人工智能及其主要分支（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，您将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。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 对于中学生学习 AI，建议如下： 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。 此外，传统的 AI 系统需要为每个工具、每个 API 预先定义详细的调用方式，而 MCP 的理念是让工具适应 AI 的认知方式，AI 应建立知识间的联系，举一反三，触类旁通，积累经验，提升效率。如果行业能进一步在通用性上推进，AI Agent 或许会更快到来。今年，投资 AI 人民币和美元的风格差异在加大，在国内需要更讲究技术迭代的训练效率，在美国更重视探索技术的未知领域；映射到应用上，国内保底基于全球 SOTA 开源模型的技术水平花更多时间探索应用、产品做得比较丰富，而美国因 API 生态的完整和使用者习惯，产品更为简明。
2025-02-11
DeepSeek从入门到精通
以下是关于 DeepSeek 从入门到精通的相关内容： 清华大学新闻与传播学院新媒体研究中心出品了《DeepSeek：从入门到精通》指南，详细阐述了 DeepSeek 的功能，包括智能对话、文本生成、代码生成、自然语言理解等，并探讨了如何使用 DeepSeek，包括推理模型与通用模型的区别、提示语设计策略以及如何从入门到精通。文章还介绍了提示语设计的核心技能、常见陷阱及应对方法，旨在帮助用户更好地掌握 AI 工具的使用，提升工作效率和创新能力。 相关资料： 2025 年 2 月的历史更新中，发布了《DeepSeek 15 天指导手册——从入门到精通》等报告。
2025-02-11
不学编程，入门AI的方法
以下是一些不学编程入门 AI 的方法： 1. 阅读简明入门教程，比如在 20 分钟内掌握 Python 和 AI 的相互调用，完成简单程序、爬虫应用以及为公众号文章生成概述。 2. 了解 AI 基本概念： 阅读「」部分，熟悉术语和基础概念，包括人工智能的主要分支及它们之间的联系。 浏览入门文章，了解 AI 的历史、应用和发展趋势。 3. 开始 AI 学习之旅： 在「」中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）按自己节奏学习，并争取获得证书。 4. 选择感兴趣的模块深入学习，比如掌握提示词技巧。 5. 实践和尝试： 理论学习后进行实践，巩固知识，尝试使用各种产品做出作品，并在知识库分享实践成果。 6. 体验 AI 产品： 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式，获得实际应用体验。 对于中学生学习 AI 的建议： 1. 从编程语言入手学习，如 Python、JavaScript 等，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台，如 ChatGPT、Midjourney 等，探索面向中学生的教育平台，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，包括基本概念、发展历程、主要技术及在各领域的应用案例。 4. 参与 AI 相关的实践项目，如参加学校或社区组织的编程竞赛、创意设计大赛等，尝试用 AI 技术解决实际问题。 5. 关注 AI 发展的前沿动态，关注权威媒体和学者，思考 AI 技术对未来社会的影响。 总之，无论是成年人还是中学生，都可以从多个方面入手，全面系统地学习 AI 知识和技能。
2025-02-11
我是一个零基础的小白用户，可以给我制定一个周期为两个月的关于大模型知识的学习计划么
以下是为您制定的一个为期两个月的大模型知识学习计划： 第一个月： 第一周： 了解 AI 的基本概念，包括人工智能、机器学习、监督学习、无监督学习和强化学习等。 熟悉生成式 AI 生成的内容（AIGC）。 第二周： 深入学习大语言模型（LLM）的概念，区分其与其他生成式 AI 模型的不同。 研究 Transformer 模型，理解其基于自注意力机制处理序列数据的原理。 第三周： 学习不同类型的大模型架构，如 encoderonly、encoderdecoder 和 decoderonly 模型，并了解其应用场景。 了解大模型预训练数据的来源和规模。 第四周： 研究大模型的参数规模和其对性能的影响。 分析大模型在自然语言处理中的任务，如分类、情感分析、翻译和摘要等。 第二个月： 第一周： 比较不同大模型的特点和优势，如 GPT3 和 ChatGPT。 学习大模型在安全性方面的问题和挑战。 第二周： 探索大模型在实际应用中的案例，如文本生成、故事写作等。 了解大模型的发展趋势和未来方向。 第三周： 复习和巩固之前所学的大模型知识，查漏补缺。 尝试自己动手实践一些简单的大模型应用。 第四周： 总结所学的大模型知识，形成自己的理解和体系。 思考如何将大模型知识应用到实际工作或学习中。
2025-02-11
没有接触过AI的小白刚来到这个网站应该从哪里学习
对于刚接触 AI 的小白，您可以从以下几个方面开始学习： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、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，您将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。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 您还可以参考《雪梅 May 的 AI 学习日记》，这适合纯 AI 小白。其学习模式是输入→模仿→自发创造。学习内容方面，由于 AI 节奏快，很多材料可能不适用，您可以去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新的内容。而且学习时间灵活，资源免费开源。另外，像元子语从 prompt 开始自己的 AI 之旅，通过参与活动和近距离观察，发现 AI 的门槛并非高不可攀。
2025-02-11
deepseek相关的学习文档
以下是关于 DeepSeek 的学习文档： 2025 年 2 月 6 日的智能纪要中，分享了 DP 模型的使用，包括其功能（能进行自然语言理解与分析、编程、绘图等）、使用优势（能用更少的词让模型做更多事，思维发散，能给出创意思路和高级内容）、存在问题（思维链长不易控制，可能输出看不懂或胡编乱造的内容，增加纠错成本）、审核方法（可用其他大模型来解读其给出的内容）、使用建议（使用时要有自己的思维雏形，多看思考过程，避免被模型冲刷原有认知）、使用场景（包括阅读、育儿、写作、随意交流等方面），还展示了案例，如与孩子共读时制作可视化互动游戏，以及左脚踩右脚式的模型交互。此外，还涉及音系学研究和与大模型互动的分享，如通过对比不同模型的回答来深入理解音系学，与大模型进行多轮对话来取队名。 全新 AI 整活第六期｜DeepSeek 小说家的相关资料： 宝玉日报 2 月 6 日中提到 Dario Amodei 认为 DeepSeek 进入前沿 AI 竞赛，但美国应保持领先优势，还提到 OpenAI 向所有免费用户开放 AI 搜索，Andrej Karpathy 发布 3 小时 31 分钟 LLM 深度讲解视频。
2025-02-11
请帮我找AI拆书相关的学习文档
以下为您推荐与 AI 拆书相关的学习资料： 1. 【包教包会】一条视频速通 AI 大模型原理_哔哩哔哩_bilibili 链接：https://www.bilibili.com/video/BV17t4218761/?vd_source=3cc4af77a2ef185635e8097d3326c893 介绍：由（女神）主讲，和某知识 up 主 Genji 一起制作的免费公益课。干货满满，新手友好，带你 50 分钟速通 AI 大模型原理。 2. 用大模型保存你的全部人生，你会接受吗：专访安克创新 CEO 阳萌|大咖谈芯第 11 期_哔哩哔哩_bilibili 链接：https://www.bilibili.com/video/BV1iT421Q7M1 介绍：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，此链接为第二期。两期内容都值得观看，访谈非常硬核。
2025-02-11
我该如何系统学习ai
以下是系统学习 AI 的一些建议： 1. 从编程语言入手学习：可以选择 Python、JavaScript 等编程语言，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习筑牢根基。 2. 尝试使用 AI 工具和平台：例如 ChatGPT、Midjourney 等生成工具，体验其应用场景。也可以探索面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识：了解 AI 的基本概念、发展历程，掌握主要技术如机器学习、深度学习等，同时学习 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：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，锻炼动手能力。 5. 关注 AI 发展的前沿动态：关注权威媒体和学者，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，要从编程基础、工具体验、知识学习、实践项目等多方面着手，全面系统地学习 AI 知识和技能。 另外，《雪梅 May 的 AI 学习日记》中提到，学习 AI 要注重系统性，避免碎片化输入，比如可以通过看书听课进社区的方式。初期可以系统地看书听课，了解 AI 的底层原理和发展历程。同时，加入像“通往 AGI 之路”这样的开源社区，按照新手指引入门，能帮助您少走弯路，更高效地学习。
2025-02-11