给初学者介绍AI的PPT

大家好，我是B站[糖果果的陈同学](https://space.bilibili.com/85644194/dynamic?spm_id_from=333.1007.0.0)，上周被家属叫去给她的文科研究生同学讲了一节AI Python的编程课，想着做都做了，就把PPT和代码共享出来给大家，如果大家能有些反馈什么的就更好了，可以在直接评论区反馈。PPT:[1016_learnaiwithpython.pdf](https://tggxfuture.feishu.cn/file/ATzFbq2zEoxdE7xNVe4cNnCtnVb?from=from_copylink)在线代码:https://bohrium.dp.tech/notebooks/86124619178/update[heading2]课程教案[content]课程大纲：和AI一起学Python编程——面向研究生初学者总课时：10月16日，4节课，每节45分钟课程目标：通过结合AI技术，向文科背景的学生介绍Python编程。每节课包含与教学和研究相关的实验，帮助学生了解Python在未来工作和研究中的应用价值。讲课者:Xiangyu Chen清华大学数据科学博士生，Wenju Tang北京大学语言学博士业界助教:Wenhao Guo(Ailln)杭州某电商公司NLP工程师，希望能讲清楚，难度逐渐递进，内容对大家有收获。

当谈到PPT类AI产品时，不得不提的是，无论国内还是国外，这类产品都非常丰富。市场上的PPT类AI产品通常是在传统PPT设计和生成工具的基础上，融入了生成式AI的新功能。这种融合带来了许多创新，但同时也造成了产品种类的繁多，可能会让用户在选择时感到困惑。考虑到这一点，我决定基于个人使用经验，为大家筛选出一些我认为值得推荐的产品。[heading2]5.1国内[heading3]5.1.1爱设计PPT[content]在国内AI辅助制作PPT的产品领域中，有一款产品脱颖而出，成为我唯一推荐的选择——爱设计PPT。这款产品在众多国内PPT类AI产品中独树一帜，其卓越的性能和用户体验让人不得不为之赞叹。几个月前，我有幸与爱设计PPT背后公司"爱设计"的CEO进行了深入交流。这次交流让我对他们产品的成功有了更深入的理解：首先，这款产品背后拥有一支实力强大的团队。这支团队不仅技术过硬，还对市场需求有着敏锐的洞察力。正是这样的团队才能持续推动产品的创新和进步。其次，他们成功把握住了AI与PPT结合的市场机遇。在AI技术迅速发展的背景下，他们敏锐地察觉到了将AI应用于PPT制作的巨大潜力，并迅速开发出了这款产品。这种前瞻性的市场洞察力和快速的执行能力，是爱设计PPT成功的关键因素之一。最后，这款产品已经在国内AI生成PPT产品中确立了市场领先地位。这不仅证明了产品的优秀品质，也反映了用户对爱设计PPT的高度认可。基于以上原因，我强烈推荐国内用户使用爱设计PPT。它不仅代表了当前国内AI辅助PPT制作的最高水平，还在不断进步，为用户提供越来越好的体验。爱设计PPT的成功不仅仅是一款产品的成功，更是AI技术在实际应用中的一次重要突破。对于那些经常需要制作PPT的人来说，无论是商务人士、教育工作者还是学生，爱设计PPT都是一个值得尝试的工具。它能够大大提高PPT制作的效率，同时保证高质量的输出。随着AI技术的不断进步，我们有理由相信爱设计PPT会在未来带来更多令人惊喜的功能和性能提升，继续引领AI辅助PPT制作领域的发展。

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）。本课程不包括以下内容：