直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

怎么学习AI开发?

回答

以下是关于学习 AI 开发的建议:

  1. 了解 AI 基本概念:
    • 建议阅读「从这里启程」部分,熟悉 AI 的术语和基础概念。了解人工智能是什么,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:
    • 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。
  6. 逐步学习和开发:
    • 真正的实践中,按照项目规划,学习一个 POC,将其应用到大项目中;再学一个 POC,再运用。
    • 当遇到错误的时候,复制错误信息,复制相关的代码,扔给 AI 让它找错误并修复。如果用可以识图的 claude 或 GPT4o,截图+错误信息+代码三件套会非常好用。
    • 遇到问题时,找文档(您可以让 GPT 给您文档链接,或者问 perplexity),或者去 stackoverflow 上找答案(注意回答和评论的日期)。然后,把文档或找到的答案提供给 AI,让它基于这些信息再来帮您修复。
    • 如有可能,找一个老师傅随时为您提供支援。
内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

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。

超越贪吃蛇——技术纯小白如何用 AI 开发真正的应用

接下来就是真正的实践了。按照项目规划,学习一个POC,将其应用到大项目中;再学一个POC,再运用……当遇到错误的时候,复制错误信息,复制相关的代码,扔给AI让它找错误并修复。如果用可以识图的claude或GPT4o,截图+错误信息+代码三件套会非常好用。听上去简单,但其实坑非常非常多。例如开发chrome插件,现在应该开发manifest v3的版本(v2很快就不再支持了),但即便和AI反复强调要用v3里的功能,AI还是有可能会给你v2的代码,并且在出错后给出的修复也还是混杂了v2的方案。没办法,谁让它就是根据概率来的呢。这种时候,更有效的方式是:找文档(你可以让GPT给你文档链接,或者问perplexity),或者去stackoverflow上找答案(注意回答和评论的日期)。然后,把文档或找到的答案提供给AI,让它基于这些信息再来帮你修复。这时候,它给的指引会是正确的、且比stackoverflow的详细很多。当然在这一步,如果有可能,你还是找一个老师傅随时为你提供支援。[heading2]

问:AI 怎么和宠物结合?

我总结了以下关于AI+宠物赛道的一些例子和学习路径:1.AI宠物助手-基于自然语言处理和计算机视觉的AI宠物助手,可以帮助主人更好地照顾宠物-例如自动识别宠物情绪、提供饮食建议、监测宠物健康状况等2.AI宠物互动玩具-利用AI技术开发的智能互动玩具,可以增强宠物的娱乐体验-例如会自主移动并引起宠物注意的智能玩具、会发出声音和互动的智能宠物玩具等3.AI宠物图像生成-使用生成式AI模型,可以根据文字描述生成各种宠物形象的图像-这可以帮助宠物主人定制个性化的宠物形象4.AI宠物医疗诊断-利用计算机视觉和机器学习技术,可以开发AI辅助的宠物医疗诊断系统-通过分析宠物的症状图像和病历数据,提供初步诊断建议5.AI宠物行为分析-基于传感器数据和计算机视觉,可以利用AI技术分析宠物的行为模式-帮助主人更好地了解宠物的需求和习性学习路径建议:1.掌握基础的机器学习、计算机视觉、自然语言处理等AI技术2.了解宠物行为学、宠物医疗等相关领域知识3.关注业内先进的AI+宠物应用案例,学习其技术实现4.尝试开发简单的AI宠物应用原型,并不断迭代优化总的来说,AI+宠物是一个充满想象空间的新兴赛道,结合AI技术和宠物行业需求,可以开发出各种有趣有用的应用。内容由AI大模型生成,请仔细甄别

其他人在问
AI图片社区
以下是关于 AI 图片社区的相关信息: 如何判断一张图片是否 AI 生成:要培养鉴别 AI 图片的技能需要训练大脑模型。对于不擅长的朋友,可通过一些网站来判断,如 ILLUMINARTY(https://app.illuminarty.ai/),但测试中可能存在误判,这是因为鉴定 AI 自身的逻辑算法不能像人类一样综合考虑各种表现。 100 个 AI 应用中的相关社区:500px 摄影社区是 AI 摄影比赛平台,利用图像识别、数据分析技术,举办摄影比赛,展示优秀摄影作品;雪球财经 APP 是 AI 金融投资教育平台,利用数据分析、自然语言处理技术,为用户提供个性化的金融投资教育服务。
2024-12-21
当前有哪些热门AI工具
以下是一些当前热门的 AI 工具: 儿童练习英语口语的 AI 工具: LingoDeer:使用游戏和互动活动教孩子英语,提供各种课程,有家长仪表板。 Busuu:提供英语等多种语言课程,有多种教学方法和社区功能。 Memrise:使用抽认卡和游戏教学,有社交功能。 Rosetta Stone:使用沉浸式方法,有语音识别功能。 Duolingo:免费,使用游戏化方法,课程多样。 制作 PPT 的 AI 工具: Gamma:在线制作网站,可通过输入提示生成幻灯片,支持嵌入多媒体。 美图 AI PPT:输入文本描述生成专业设计,有丰富模板库。 Mindshow:提供智能设计功能,简化设计流程。 讯飞智文:利用语音识别和自然语言处理技术,提供多种编辑功能。 辅助写邮件的 AI 工具: Grammarly:提供语法检查、拼写纠正等功能,支持多平台和多种语言。 Hemingway Editor:简化句子结构,提高可读性。 ProWritingAid:全面的语法和风格检查,提供详细写作报告。 Writesonic:基于 AI 生成各种文本,生成速度快。 Lavender:专注邮件写作优化,提供个性化建议和模板。 在选择工具时,需考虑使用者的年龄、兴趣、学习风格、功能和成本等因素。
2024-12-21
如何将AI应用于学术研究
将 AI 应用于学术研究可以参考以下步骤和建议: 1. 确定课题主题:明确研究兴趣和目标,选择具有研究价值和创新性的主题。 2. 收集背景资料:使用学术搜索引擎和文献管理软件等 AI 工具搜集相关研究文献和资料。 3. 分析和总结信息:利用 AI 文本分析工具提取收集资料中的关键信息和主要观点。 4. 生成大纲:使用 AI 写作助手生成包括引言、文献综述、方法论、结果和讨论等部分的课题大纲。 5. 撰写文献综述:借助 AI 工具撰写文献综述部分,保证内容准确完整。 6. 构建方法论:根据研究需求,采用 AI 建议的方法和技术设计研究方法。 7. 数据分析:若课题涉及数据收集和分析,使用 AI 数据分析工具处理和解释数据。 8. 撰写和编辑:利用 AI 写作工具撰写课题各部分,并检查语法和风格。 9. 生成参考文献:使用 AI 文献管理工具生成正确的参考文献格式。 10. 审阅和修改:借助 AI 审阅工具检查课题的逻辑性和一致性,根据反馈修改。 11. 提交前的检查:使用 AI 抄袭检测工具确保课题的原创性,并做最后的格式调整。 需要注意的是,AI 工具只是辅助,不能完全替代研究者的专业判断和创造性思维,使用时应保持批判性思维,确保研究质量和学术诚信。 AI 的技术历史和发展方向以及目前最前沿的技术点: 技术研究方向: 数学基础:包括线性代数、概率论、优化理论等。 机器学习基础:如监督学习、无监督学习、强化学习等。 深度学习:涉及神经网络、卷积网络、递归网络、注意力机制等。 自然语言处理:涵盖语言模型、文本分类、机器翻译等。 计算机视觉:包含图像分类、目标检测、语义分割等。 前沿领域:有大模型、多模态 AI、自监督学习、小样本学习等。 科研实践:包括论文阅读、模型实现、实验设计等。 应用方向: 编程基础:如 Python、C++等。 机器学习基础:像监督学习、无监督学习等。 深度学习框架:例如 TensorFlow、PyTorch 等。 应用领域:包括自然语言处理、计算机视觉、推荐系统等。 数据处理:涉及数据采集、清洗、特征工程等。 模型部署:包含模型优化、模型服务等。 行业实践:有项目实战、案例分析等。 无论是技术研究还是应用实践,数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态,并结合实际问题进行实践锻炼。
2024-12-21
如果借助AI开启2周岁女儿的绘本启蒙之旅
对于借助 AI 开启 2 周岁女儿的绘本启蒙之旅,目前知识库中没有相关的直接内容。但以下是一些可能的建议: 首先,可以利用 AI 生成简单、有趣、色彩鲜艳的绘本故事,内容可以是关于小动物、日常生活中的常见事物等,以吸引孩子的注意力。 其次,通过语音交互的 AI 工具,为孩子朗读绘本故事,培养孩子的听力和语言感知能力。 还可以借助具有互动功能的 AI 应用,让孩子在观看绘本的过程中进行一些简单的操作,增强参与感。 希望这些建议能对您有所帮助。
2024-12-21
小白怎么学习AI
对于小白学习 AI,以下是一些建议: 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,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,如图像、音乐、视频等,可根据兴趣选择特定模块深入学习。 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。 在知识库查看大家实践后的作品、文章分享,并进行自己实践后的分享。 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,了解其工作原理和交互方式。 6. 持续学习和跟进: 关注 AI 领域的新闻、博客、论坛和社交媒体,保持对最新发展的了解。 考虑加入 AI 相关的社群和组织,参加研讨会、工作坊和会议,与其他 AI 爱好者和专业人士交流。 此外,以下是一些关于 AI 技术原理的通俗易懂的内容: 1. 视频一主要回答了什么是 AI 大模型,原理是什么。 生成式 AI 生成的内容,叫做 AIGC。 相关技术名词: AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习。监督学习是利用有标签的训练数据学习输入和输出之间的映射关系,包括分类和回归。无监督学习是在学习的数据没有标签的情况下,算法自主发现规律,经典任务包括聚类。强化学习是从反馈里学习,最大化奖励或最小化损失,类似训小狗。 深度学习是一种参照人脑有神经网络和神经元(因有很多层所以叫深度)的方法。神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型。对于生成式 AI,其中生成图像的扩散模型不是大语言模型;对于大语言模型,生成只是其中一个处理任务,比如谷歌的 BERT 模型,可用于语义理解(不擅长文本生成),如上下文理解、情感分析、文本分类。 技术里程碑:2017 年 6 月,谷歌团队发表论文《Attention is All You Need》,首次提出了 Transformer 模型,它完全基于自注意力机制(SelfAttention)来处理序列数据,而不需要依赖于循环神经网络(RNN)或卷积神经网络(CNN)。GPT 中 Transformer 是关键,Transformer 比 RNN 更适合处理文本的长距离依赖性。
2024-12-21
AI选股
以下是为您提供的关于 AI 选股的相关信息: 1. 2024 年美国融资金额超过 1 亿美元的 AI 公司(截止 2024.10.15): Zephyr AI:2024 年 3 月 13 日融资,融资金额 1.11 亿美元,轮次 A,主营 AI 药物发现和精准医疗。 Together AI:2024 年 3 月 13 日融资,融资金额 1.06 亿美元,轮次 A,估值 12 亿美元,主营 AI 基础设施和开源生成。 Glean:2024 年 2 月 27 日融资,融资金额 2.03 亿美元,轮次 D,估值 22 亿美元,主营 AI 驱动企业搜索。 Figure:2024 年 2 月 24 日融资,融资金额 6.75 亿美元,轮次 B,估值 27 亿美元,主营 AI 机器人。 Abridge:2024 年 2 月 23 日融资,融资金额 1.5 亿美元,轮次 C,估值 8.5 亿美元,主营 AI 医疗对话转录。 Recogni:2024 年 2 月 20 日融资,融资金额 1.02 亿美元,轮次 C,主营 AI 接口解决方案。 2. 2024 年 3 月科技变革与美股投资: AI 将引领新的服务模式,即“智能即服务”,重塑工作和生活,重新赋能芯片和云计算行业,创造新的投资机会,GPU 需求预计持续增长。 企业软件、AI 驱动的金融服务以及 AI 健康技术成为吸引投资的主要领域,机器人行业投资额超过企业软件。 科技巨头通过资本控制 AI 模型公司的趋势明显,如 OpenAI 与微软、Anthropic 与 Google 等的合作。 企业竞争策略主要集中在迅速成长为大型模型公司并寻找强大背书,或保持小规模专注盈利并灵活应对市场变化。 2024 年将是大模型争霸的一年,OpenAI、Gemini、Anthropic、LLama 以及来自法国的 Mistral 是市场上受瞩目的公司。 3. 展望 2025,AI 行业的创新机会: 在 ToP 领域,峰瑞投资的冰鲸科技是一家 AI 智能硬件公司,为全球创作者和专业玩家设计创新的私有云产品,推出集成端侧 GPU 的旗舰产品——ZimaCube。 在 ToB 领域,AI 应用进入企业内部可从纵向的独立业务模块和横向的通用技能模块切入。2024 年 7 月,美国投资机构 A16z 发布文章探讨了人工智能在变革企业销售技术中的潜力,其中提到的多数产品符合上述特点。ToB 和 ToP 存在一定交集。
2024-12-21
如何系统学习AI知识
以下是系统学习 AI 知识的方法: 1. 编程语言基础: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,为后续的 AI 学习打下基础。 2. 工具和平台体验:使用 ChatGPT、Midjourney 等 AI 生成工具,体验 AI 的应用场景。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。 3. 基础知识学习: 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. 实践项目参与: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。 对于新手学习 AI,还可以: 1. 了解基本概念:阅读「」部分,熟悉 AI 的术语和基础概念,浏览入门文章了解其历史、应用和发展趋势。 2. 开始学习之旅:在「」中找到为初学者设计的课程,推荐李宏毅老师的课程,通过在线教育平台(如 Coursera、edX、Udacity)按自己节奏学习并获取证书。 3. 选择感兴趣模块深入:AI 领域广泛,可根据兴趣选择特定模块(如图像、音乐、视频等)深入学习,掌握提示词技巧。 4. 实践和尝试:理论学习后通过实践巩固知识,尝试使用各种产品并分享实践成果。 5. 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。
2024-12-20
AI绘画这么厉害了,那儿童还有必要学习素描课吗
即便 AI 绘画很厉害,儿童仍有必要学习素描课。手绘素描笔记有助于建立突触连接,将信息从短期记忆转化为长期记忆,让人成为更好的概念思考者。例如,在科学观察中,学生通过手绘能更好地学会观察,这个过程不可被替代。就学习而言,掌握新技能时应先进行动手、动脑、技术最小化的学习,不应一开始就依赖 AI。比如在记笔记时,手写比打字能让学生记住更多信息。此外,在一些课程设计中,如离谱村的 AI 课,通过巧妙的环节设置和老师的引导,能让孩子更好地学习和发挥想象。
2024-12-20
如何从零学习
以下是从零学习 AI 的步骤和建议: 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,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,如图像、音乐、视频等,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,通过实践巩固知识,尝试使用各种产品做出作品。 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,获得对 AI 在实际应用中表现的第一手体验,并激发对 AI 潜力的认识。 如果您想系统学习 Stable Diffusion 的提示词,可以参考以下步骤: 1. 学习基本概念: 了解 Stable Diffusion 的工作原理和模型架构。 理解提示词如何影响生成结果。 掌握提示词的组成部分(主题词、修饰词、反面词等)。 2. 研究官方文档和教程: 通读 Stable Diffusion 官方文档,了解提示词相关指南。 研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例: 熟悉 UI、艺术、摄影等相关领域的专业术语和概念。 研究优秀的图像标题和描述,作为提示词范例。 4. 掌握关键技巧: 学习如何组合多个词条来精确描述想要的效果。 掌握使用“()”、“”等符号来控制生成权重的技巧。 了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈: 使用不同的提示词尝试生成各种风格和主题的图像。 对比提示词和实际结果,分析原因,总结经验教训。 在社区内分享结果,请教高手,获取反馈和建议。 6. 创建提示词库: 根据主题、风格等维度,建立自己的高质量提示词库。 将成功案例和总结记录在案,方便后续参考和复用。 7. 持续跟进前沿: 关注 Stable Diffusion 的最新更新和社区分享。 及时掌握提示词的新技术、新范式、新趋势。
2024-12-20
学习AI
新手学习 AI 可以参考以下步骤: 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,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),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。 在知识库提供了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。 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,掌握编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台: 体验 ChatGPT、Midjourney 等 AI 生成工具。 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、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: 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。 记住,学习 AI 是一个长期的过程,需要耐心和持续的努力。不要害怕犯错,每个挑战都是成长的机会。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。
2024-12-20
AI基础学习课程
以下是为新手提供的 AI 基础学习课程相关内容: 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。同时浏览入门文章,了解 AI 的历史、当前应用和未来发展趋势。 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。还可以通过在线教育平台(如 Coursera、edX、Udacity)按自己节奏学习并获取证书。 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,可根据兴趣选择特定模块深入学习,同时掌握提示词技巧。 实践和尝试:理论学习后,实践是巩固知识的关键,可尝试使用各种产品创作作品,知识库中有很多实践后的作品和文章分享。 体验 AI 产品:与如 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。 此外,还有以下具体的课程推荐: 【野菩萨】课程:预习周课程包括 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。基础操作课涵盖 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影 穿越的大门等内容。核心范式课程涉及词汇的纸牌屋、核心范式应用、控制随机性等方面。SD WebUi 体系课程包括 SD 基础部署、SD 文生图、图生图、局部重绘等。ChatGPT 体系课程有 ChatGPT 基础、核心 文风、格式、思维模型等内容。ComfyUI 与 AI 动画课程包含部署和基本概念、基础工作流搭建、动画工作流搭建等。应对 SORA 的视听语言课程涉及通识 欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。若想免费获得该课程,可参与 video battle,每期冠军奖励 4980 课程一份,亚军奖励 3980 课程一份,季军奖励 1980 课程一份,入围奖励 598 野神殿门票一张。扫码添加菩萨老师助理可了解更多课程信息。 微软 AI 初学者入门课程:包括特定的机器学习云框架,如了解更多详情。深度学习背后的深层数学(Deep Mathematics)可参考 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合著的《深度学习》(Deep Learning)一书,该书可在 https://www.deeplearningbook.org/上获取。
2024-12-19
我自己能开发出一个AI么
自己开发 AI 是可行的,但具有一定的难度和挑战。 从相关学习资料来看,需要了解以下方面: 要知道何时需要自己开发,何时可以使用现成的人工智能。 开发过程可能存在一些负面体验,比如大模型训练时间长,通常以周为单位,且结果难以完全控制。 影响模型能力的指标众多,常规会通过参数量级来评估,其量级呈指数级增长。 同时,通过一些课程的学习,可以了解生成式 AI 背后的原理和更多可能性,体验用生成式 AI 打造应用以及训练自己的生成式 AI 模型。但这需要投入大量的时间和精力,并具备相关的技术知识和能力。
2024-12-18
可以开发一个完整的软件项目吗?可以把现有的vue2开发的uniapp项目转成vue3吗
在 AI 领域,开发一个完整的软件项目是可行的,但这需要综合考虑多个因素,如项目的规模、功能需求、技术难度以及开发团队的能力等。 关于将现有的 Vue2 开发的 Uniapp 项目转成 Vue3,理论上是可以实现的,但这是一个具有一定复杂性和挑战性的任务。需要对 Vue3 的新特性和语法有深入的了解,并且对原项目的架构和代码有清晰的把握。在转换过程中,可能需要处理诸如组件的迁移、API 的变化、依赖库的兼容性等问题。
2024-12-17
cursor好用吗?不会写代码的人可以用它来开发app吗
Cursor 是一款很好用的工具,具有以下优点: 1. 它是对话式的编程工具,集代码编写、报错调试、运行于一体,可在一个页面里丝滑实现,且以对话方式进行,能消除学习代码的恐惧感。 2. 让小白可以无压力入门代码,解决实际问题,也能提高专业程序员的效率。 3. 基于 VS code 开发,是目前使用体验最好的 AI coding IDE,不具备代码能力的人通过自然语言描述能快速开发一些项目。 4. 继承了 vscode 的强大功能和用户界面,几乎一模一样,还深度集成了 gpt 等大模型,无缝融入了包括 IntelliJ IDEA、Visual Studio Code 和 GitHub 在内的主流开发环境和代码库中。 5. 体量小,启动快,编程效率高。 然而,Cursor 也有一些局限性: 1. 比较适合简单、原型类的项目,当应用比较复杂和商业化时,会比较困难,需要考虑长期维护、用户场景和稳定性等因素。 2. 代码编写只是开发中的一环,程序员的工作还包括需求评估沟通、架构设计、调试部署等多个模块,而且大语言模型面对复杂项目可能面临改好一个 bug,产生一个新 bug 的情况。 总的来说,对于不会写代码的人,Cursor 可以帮助他们入门和开发一些简单的项目,但不能完全替代专业程序员。目前 Cursor 新账号有 2 周 pro 体验,成本为 0,值得一试。它支持多种语言,如 python、java、C等,在国内可以直接使用,还提供了 3 种订阅模式。
2024-12-16
0基础如何系统学习AI,目标:针对特定场景开发出AI产品
对于 0 基础想要系统学习 AI 并针对特定场景开发出 AI 产品的您,以下是一些建议: 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,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。 此外,对于 AI 产品经理,个人做了以下划分,仅供娱乐和参考: 1. 入门级: 能通过 WaytoAGI 等开源网站或一些课程了解 AI 的概念,使用 AI 产品并尝试动手实践应用搭建。 2. 研究级: 有两个路径,一个是技术研究路径,一个是商业化研究路径。这个阶段对应的画像可能是对某一领域有认知,可以根据需求场景选择解决方案,或利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 3. 落地应用: 这一阶段的画像就是有一些成功落地应用的案例,如产生商业化价值。 在 AI 游戏场景方面,为您提供以下案例: 1. 从游戏截图升级到 KV 品质,AI 居然可以这样用! 作者:yanceyzhang 简介:AI 生成图像具有较大的随机性,如果想用在特定项目上的话,用游戏内资源拼合作为图生图的底图可以很好的帮助 ai 发挥,复现游戏原有的画风、世界观和人物设定,下面将实际操作中的一些思路和小技巧分享出来。 查看链接: 入库时间:2023/11/21 2. 《LORA 模型训练超入门级教程》人人都可以当炼金术士 作者:包子 SAMA丶 简介:初步接触训练模型,主要是以美术视角出发来进行讲解,目的就是可以让不理解训练概念和代码指令的小伙伴更容易上手 Lora 模型训练。 查看链接: 入库时间:2023/11/21 3. 人人可以做原画,如何运用 Midjourney+Stable Diffusion 进行角色原画设计 作者:Harayuan 简介:本文旨在详细探讨运用 MJ+SD 进行角色设计的方法、技巧,以及它的优势、不足之处和未来发展方向。 查看链接: 入库时间:2023/11/21
2024-12-16
开源的开源的 LLM 微调推理,agent开发平台
以下是为您整理的关于开源的 LLM 微调推理、agent 开发平台的相关内容: LLM 作为 Agent 的“大脑”的特点: 1. 知识获取能力:通过预训练学习大量语言数据,掌握丰富语言信息和常识知识,能处理多种任务。 2. 指令理解:擅长解析人类语言指令,采用深度神经网络进行自然语言理解和生成,精准理解意图。 3. 泛化能力:在未见过的数据上表现良好,能利用先前知识处理新挑战,形成对语言结构的通用理解。 4. 推理和规划:能够进行逻辑推理和未来预测,分析条件制定最佳行动方案,在复杂环境中做出理性选择。 5. 交互能力:拥有强大对话能力,在多人多轮次对话中自然流畅交流,改善用户体验。 6. 自我改进:基于用户反馈和效果评估,通过调整参数、更新算法提升性能和准确性。 7. 可扩展性:可根据具体需求定制化适配,针对特定领域数据微调提高处理能力和专业化水平。 相关产品和平台: 1. ComfyUI:可在其中高效使用 LLM。 2. Vercel AI SDK 3.0:开源的工具,可将文本和图像提示转换为 React 用户界面,允许开发者创建丰富界面的聊天机器人。 3. OLMo7BInstruct:Allen AI 开源的微调模型,可通过资料了解从预训练模型到 RLHF 微调模型的所有信息并复刻微调过程。 4. Devv Agent:能提供更准确、详细的回答,底层基于 Multiagent 架构,根据需求采用不同 Agent 和语言模型。 实例探究: 1. ChemCrow:特定领域示例,通过 13 个专家设计的工具增强 LLM,完成有机合成、药物发现和材料设计等任务。 2. Boiko et al. 研究的 LLM 授权的科学发现 Agents:可处理复杂科学实验的自主设计、规划和执行,能使用多种工具。
2024-12-12
开源大模型训练推理,应用开发agent 平台
以下是一些关于开源大模型训练推理、应用开发 agent 平台的相关信息: Agent 构建平台: Coze:新一代一站式 AI Bot 开发平台,集成丰富插件工具,适用于构建各类问答 Bot。 Mircosoft 的 Copilot Studio:主要功能包括外挂数据、定义流程、调用 API 和操作,可将 Copilot 部署到多种渠道。 文心智能体:百度推出的基于文心大模型的智能体平台,支持开发者打造产品能力。 MindOS 的 Agent 平台:允许用户定义 Agent 的个性、动机、知识等,并访问第三方数据和服务或执行工作流。 斑头雁:2B 基于企业知识库构建专属 AI Agent 的平台,适用于客服、营销、销售等场景,提供多种成熟模板。 钉钉 AI 超级助理:依托钉钉优势,在处理高频工作场景如销售、客服、行程安排等方面表现出色。 Gemini 相关:大型语言模型的推理能力在构建通用 agents 方面有潜力,如 AlphaCode 团队构建的基于 Gemini 的 agent 在解决竞争性编程问题方面表现出色。同时,Gemini Nano 提升了效率,在设备上的任务中表现出色。 成为基于 Agent 的创造者的学习路径:未来的 AI 数字员工以大语言模型为大脑串联工具。Agent 工程如同传统软件工程学有迭代范式,包括梳理流程、任务工具化、建立规划、迭代优化。数字员工的“进化论”需要在 AI 能力基础上对固化流程和自主思考作出妥协和平衡。
2024-12-12