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

李宏毅《生成式人工智能导论》课件

Answer

以下是关于李宏毅《生成式人工智能导论》的相关信息：

课程目录：

  1. 第 0 讲：课程说明（2024 年 2 月 24 日）
  2. 第 1 讲：生成式 AI 是什么？（2024 年 2 月 24 日）
  3. 第 2 讲：今日的生成式人工智慧厉害在哪里？从「工具」变为「工具人」（2024 年 3 月 3 日）
  4. 第 3 讲：训练不了人工智慧？你可以训练你自己(上)—神奇咒语与提供更多资讯（2024 年 3 月 3 日）
  5. 第 4 讲：训练不了人工智慧？你可以训练你自己(中)—拆解问题与使用工具（2024 年 3 月 10 日）
  6. 待更新……

第 0 讲课程说明的要点：

  1. 知道：有能力自己开发、何时需要自己开发、何时可以用现成的人工智能。
  2. 目标：了解生成式 AI 背后的原理和更多可能性，作为你魔术师的开始。包括体验用生成式 AI 打造应用、体验训练自己的生成式 AI 模型。同时提到负面体验，如大模型训练花时间（以周为单位）、结果不可控。
  3. 影响模型能力的指标很多，常规会看参数的量级来评估，量级指数级增长，FOMO，如 2019 年 GPT2.0 15b 参数，2024 年 GPT3.5 70b 参数。

附录：

  1. 课程介绍：这是台湾大学李宏毅教授的生成式 AI 课程，主要介绍生成式 AI 的基本概念、发展历程、技术架构和应用场景等内容。课程共 12 讲，每讲约 2 小时。
  2. 学习目标：掌握生成式 AI 的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，了解生成式 AI 的发展现状和未来趋势。
  3. 学习内容：包括什么是生成式 AI、生成式模型、生成式对话、预训练语言模型、生成式 AI 的挑战与展望等方面。
  4. 学习资源：教材《生成式 AI 导论 2024》，参考书籍《深度学习》，在线课程李宏毅的生成式 AI 课程，开源项目 OpenAI GPT-3、字节跳动的云雀等。
  5. 学习方法。

课程地址：https://www.youtube.com/watch?v=AVIKFXLCPY8

Content generated by AI large model, please carefully verify (powered by aily)

References

学习笔记：《生成式AI导论2024》 李宏毅

作者：@吴珂vico原文：[学习笔记《生成式AI导论2024》李宏毅](https://bytedance.larkoffice.com/docx/Sj7rdqvv1osuihxWizIcizRGnif)真的很易懂很好听，学起来就赢了90%的人了课程地址：https://www.youtube.com/watch?v=AVIKFXLCPY8课程目录：1.第0講：課程說明(17:15有芙莉蓮雷)（2024年2月24日）2.第1講：生成式AI是什麼？（2024年2月24日）3.第2講：今日的生成式人工智慧厲害在哪裡？從「工具」變為「工具人」（2024年3月3日）4.第3講：訓練不了人工智慧？你可以訓練你自己(上)—神奇咒語與提供更多資訊（2024年3月3日）5.第4講：訓練不了人工智慧？你可以訓練你自己(中)—拆解問題與使用工具（2024年3月10日）6.待更新……[heading2]第0讲：课程说明[content]1.知道：有能力自己开发何时需要自己开发何时可以用现成的人工智能2.目标：了解生成式AI背后的原理和更多可能性，作为你魔术师的开始2.1.体验用生成式AI打造应用2.2.体验训练自己的生成式AI模型2.3.负面体验2.3.1.花时间：大模型是以周为单位来训练2.3.2.结果不可以控制：养花养小动物3.影响模型能力的指标很多，但是常规会看参数的量级来评估，量级指数级增长，FOMO，这就是[朱啸虎](https://mp.weixin.qq.com/s/IXjlplabhMcEqAVPZyq9kg)的立场来源3.1.2019年GPT2.0 15b参数3.2.2024年GPT3.5 70b参数

学习笔记：《生成式AI导论2024》 李宏毅

作者：@吴珂vico原文：[学习笔记《生成式AI导论2024》李宏毅](https://bytedance.larkoffice.com/docx/Sj7rdqvv1osuihxWizIcizRGnif)真的很易懂很好听，学起来就赢了90%的人了课程地址：https://www.youtube.com/watch?v=AVIKFXLCPY8课程目录：1.第0講：課程說明(17:15有芙莉蓮雷)（2024年2月24日）2.第1講：生成式AI是什麼？（2024年2月24日）3.第2講：今日的生成式人工智慧厲害在哪裡？從「工具」變為「工具人」（2024年3月3日）4.第3講：訓練不了人工智慧？你可以訓練你自己(上)—神奇咒語與提供更多資訊（2024年3月3日）5.第4講：訓練不了人工智慧？你可以訓練你自己(中)—拆解問題與使用工具（2024年3月10日）6.待更新……[heading2]第0讲：课程说明[content]1.知道：有能力自己开发何时需要自己开发何时可以用现成的人工智能2.目标：了解生成式AI背后的原理和更多可能性，作为你魔术师的开始2.1.体验用生成式AI打造应用2.2.体验训练自己的生成式AI模型2.3.负面体验2.3.1.花时间：大模型是以周为单位来训练2.3.2.结果不可以控制：养花养小动物3.影响模型能力的指标很多，但是常规会看参数的量级来评估，量级指数级增长，FOMO，这就是[朱啸虎](https://mp.weixin.qq.com/s/IXjlplabhMcEqAVPZyq9kg)的立场来源3.1.2019年GPT2.0 15b参数3.2.2024年GPT3.5 70b参数

学习笔记：《生成式AI导论2024》 李宏毅

一、课程介绍这是台湾大学李宏毅教授的生成式AI课程，主要介绍了生成式AI的基本概念、发展历程、技术架构和应用场景等内容。课程共分为12讲，每讲约2小时。二、学习目标通过学习本课程，掌握生成式AI的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，了解生成式AI的发展现状和未来趋势。三、学习内容1.什么是生成式AI生成式AI的定义和分类生成式AI与判别式AI的区别生成式AI的应用领域2.生成式模型生成式模型的基本结构和训练方法生成式模型的评估指标常见的生成式模型及其优缺点3.生成式对话生成式对话的基本概念和应用场景生成式对话系统的架构和关键技术基于生成式模型的对话生成方法4.预训练语言模型预训练语言模型的发展历程和关键技术预训练语言模型的优缺点预训练语言模型在生成式AI中的应用5.生成式AI的挑战与展望生成式AI面临的挑战和解决方法生成式AI的未来发展趋势和研究方向四、学习资源1.教材：《生成式AI导论2024》，李宏毅2.参考书籍：《深度学习》，伊恩·古德费洛等3.在线课程：李宏毅的生成式AI课程4.开源项目：OpenAI GPT-3、字节跳动的云雀等五、学习方法

Others are asking
浅谈“生成式人工智能在中职实训课的应用”
生成式人工智能在中职实训课的应用： 生成式人工智能是一种能够生成新的、未曾存在内容的人工智能技术，所生成的内容可以是多模态的，包括文本（如文章、报告、诗歌等）、图像（如绘画、设计图、合成照片等）、音频（如音乐、语音、环境声音等）、视频（如电影剪辑、教程、仿真等）。 其应用场景广泛，例如： 文档摘要：将长篇文章或报告总结为简短、精准的摘要。 信息提取：从大量数据中识别并提取关键信息。 代码生成：根据用户的描述自动编写代码。 营销活动创建：生成广告文案、设计图像等。 虚拟协助：例如智能聊天机器人、虚拟客服等。 呼叫中心机器人：能够处理客户的电话请求。 生成式人工智能的工作方式如下： 1. 训练阶段：通过从大量现有内容（文本、音频、视频等）中学习进行训练，训练的结果是一个“基础模型”。 2. 应用阶段：基础模型可以用于生成内容并解决一般性问题，还可以使用特定领域的新数据集进一步训练，以解决特定问题，从而得到一个量身定制的新模型。 Google Cloud 提供了相关工具，如 Vertex AI 是端到端机器学习开发平台，旨在帮助开发人员构建、部署和管理机器学习模型；Generative AI Studio 允许应用程序开发人员或数据科学家快速制作原型和自定义生成式 AI 模型，无需代码或代码量少；Model Garden 是一个平台，可以让用户发现 Google 的基础和第三方开源模型，并与之交互，它提供了一组 MLOps 工具，用于自动化机器学习管道。 在教育领域，从 AI 助教到智慧学伴的应用探索中，以“移动教学与促动”课程实习周为例，让教育学专业的学生了解和尝试运用教育 APP、二维码、教育游戏等技术方式开展移动教学。课程实习需要在 5 天内让非技术背景的学生分组设计课程并展示，由于学生众多，教师难以给予个性化指导，而 AI 在一定程度上补足了学生缺乏的经验。
2025-03-31
生成式人工智能原理是什么
生成式人工智能的原理主要包括以下几个方面： 1. 基于深度学习技术和机器学习算法：通过大规模的数据集训练深度神经网络模型，学习各种数据的规律和特征，从而实现对输入数据的分析、理解和生成。 2. 监督学习：例如在生成文本时使用大语言模型，通过监督学习不断预测下一个词语，经过大量的数据训练，从而生成新的文本内容。这通常需要千亿甚至万亿级别的单词数据库。 3. 从大量现有内容中学习：包括文本、音频和视频等多模式的内容，这个学习过程称为训练，其结果是创造“基础模型”，如为聊天机器人提供支持的大型语言模型（LLM）。基础模型可用于生成内容并解决一般问题，也可以使用特定领域的新数据集进一步训练以解决特定问题。
2025-03-26
生成式AI的教育重构价值
生成式 AI 在教育领域具有重要的重构价值，主要体现在以下几个方面： 1. 为教师减负：通过复杂的算法、模型和规则，从大规模数据集中学习，创造新的原创内容，帮助教师减轻工作负担。 2. 创新教学方式：例如让历史人物亲自授课，知识获取不再受时空限制，提高教育效率和质量，增强学生学习兴趣。 3. 个性化教育：根据学生的学习情况、兴趣和偏好提供定制化的学习计划和资源，实现因材施教，满足学生学习需求，提高学习成果，缓解教育资源不平等问题。 4. 角色多样化：授课教师、游戏玩家、情感伴侣等服务都可以被 AI 重构。 5. 促进学生成长：人工智能生成的虚拟角色可以作为数字陪伴，给予孩子社会奖励，促进其成长和提高学习成绩。
2025-03-22
Stable Diffusion、MidJourney、DALL·E 这些生成式AI工具有什么区别
Stable Diffusion、Midjourney 和 DALL·E 这三个生成式 AI 工具主要有以下区别： 1. 开源性：Stable Diffusion 是开源的，用户可以在任何高端计算机上运行。 2. 学习曲线：Midjourney 的学习曲线较低，只需键入特定的提示就能得到较好的结果。 3. 图像质量：Midjourney 被认为是 2023 年中期图像质量最好的系统。 4. 应用场景：Stable Diffusion 特别适合将 AI 与来自其他源的图像结合；Adobe Firefly 内置在各种 Adobe 产品中，但在质量方面落后于 DALL·E 和 Midjourney。 5. 训练数据：这些工具都是使用大量的内容数据集进行训练的，例如 Stable Diffusion 是在从网络上抓取的超过 50 亿的图像/标题对上进行训练的。 6. 所属公司：DALL·E 来自 OpenAI。 在使用方面： 1. Stable Diffusion 开始使用需要付出努力，因为要学会正确制作提示，但一旦掌握，能产生很好的结果。 2. DALL·E 已纳入 Bing（需使用创意模式）和 Bing 图像创建器，系统可靠，但图像质量比 Midjourney 差。 3. Midjourney 需要 Discord，使用时需键入特定格式的提示。
2025-03-20
生成式人工智能的提示词工程
生成式人工智能的提示词工程是一门新兴学科，在生成式 AI 模型中具有重要作用。 提示词是用户与模型沟通愿望的文本界面，适用于图像生成模型（如 DALLE3、Midjourney）和语言模型（如 GPT4、Gemini）等。它可以是简单的问题，也可以是复杂的任务，包括指令、问题、输入数据和示例，以引导 AI 的响应。 提示词工程的核心是制作能实现特定目标的最佳提示词，这不仅要指导模型，还需深刻理解模型的能力和局限性及所处上下文。例如，在图像生成模型中是对期望图像的详细描述，在语言模型中可能是复杂查询。 提示词工程不仅是构建提示词，还需结合领域知识、对 AI 模型的理解及系统化方法为不同情境定制提示词，可能包括创建可根据数据集或上下文程序化修改的模板。 此外，提示词工程是迭代和探索的过程，类似于传统软件工程实践，如版本控制和回归测试。该领域发展迅速，有潜力改变机器学习的某些方面。 在商业和社会中，提示词工程师是被炒作的职位，实际可能承担了机器学习工程师的部分职责。提示词工程是一切生成式 AI 的基础，不管用于学习、写作、绘画、编程还是玩音乐等。 在使用提示词时，要记住几个基本关键点： 1. 角色/身份：告诉 AI 它需要扮演的身份，提升其“职业素养”。 2. 目标/任务以及背景：所有对话都有目的性，要交代目标背后的逻辑，包括为什么要实现目标、希望达到的结果等。
2025-03-19
生成式AI
生成式 AI（Generative AI）是一种基于深度学习技术，利用机器学习算法从已有数据中学习并生成新的数据或内容的 AI 应用。其工作原理是通过大规模的数据集训练深度神经网络模型，学习各种数据的规律和特征，实现对输入数据的分析、理解和生成。 AIGC（AI generated content）意为人工智能生成内容，又称为生成式 AI。例如 AI 文本续写，文字转图像的 AI 图、AI 主持人等，都属于 AIGC 的应用。能进行 AIGC 的产品项目和媒介很多，包括语言文字类（如 OpenAI 的 GPT、Google 的 Bard、百度的文心一言等）、语音声音类（如 Google 的 WaveNet、微软的 Deep Nerual Network、百度的 DeepSpeech 等）、图片美术类（如早期的 GEN、去年大热的扩散模型带火的 Midjourney、先驱者谷歌的 Disco Diffusion、OpenAI 的 Dalle·2 以及 stability ai 和 runaway 共同推出的 Stable Diffusion 等）。 SD 是 Stable Diffusion 的简称，是由初创公司 StabilityAI、CompVis 与 Runway 合作开发，2022 年发布的深度学习文本到图像生成模型。它主要用于根据文本的描述产生详细图像，是一种扩散模型（diffusion model）的变体，叫做“潜在扩散模型”（latent diffusion model;LDM）。其代码模型权重已公开发布，可以在大多数配备有适度 GPU 的电脑硬件上运行。当前版本为 2.1 稳定版（2022.12.7）。源代码库：github.com/StabilityAI/stablediffusion 。 国内目前主要是在《网络安全法》《数据安全法》以及《个人信息保护法》的框架下，由《互联网信息服务算法推荐管理规定》、《互联网信息服务深度合成管理规定》、《生成式人工智能服务管理暂行办法》、《科技伦理审查办法（试行）》共同监管 AIGC 行业。 Gen AI/Generative AI 是“生成式人工智能”正式称呼，是一种能够生成新内容的人工智能技术，比如文本、图像、音乐等。而 AIGC 指的是由人工智能生成的内容的创作方式，实际上是 Generative AI 的应用结果。 ChatGPT 在 2022 年宣发时，OpenAI 称其是一种模型，但在官网的帮助页面中，称其是一种服务。目前我们所熟知的 ChatGPT 逐渐演变成了一种可以兼容多种 GPT 模型的聊天应用（服务）。
2025-03-19
李宏毅课程
以下是关于李宏毅《生成式 AI 导论 2024》课程的详细信息： 课程介绍：这是台湾大学李宏毅教授的生成式 AI 课程，涵盖生成式 AI 的基本概念、发展历程、技术架构和应用场景等内容，共 12 讲，每讲约 2 小时。 学习目标：掌握生成式 AI 的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，了解其发展现状和未来趋势。 学习内容： 什么是生成式 AI：包括定义、分类、与判别式 AI 的区别及应用领域。 生成式模型：基本结构、训练方法、评估指标以及常见模型的优缺点。 生成式对话：基本概念、应用场景、系统架构和关键技术，以及基于生成式模型的对话生成方法。 预训练语言模型：发展历程、关键技术、优缺点及其在生成式 AI 中的应用。 生成式 AI 的挑战与展望：面临的挑战、解决方法、未来发展趋势和研究方向。 学习资源： 教材：《生成式 AI 导论 2024》，李宏毅。 参考书籍：《深度学习》，伊恩·古德费洛等。 在线课程：李宏毅的生成式 AI 课程。 开源项目：OpenAI GPT3、字节跳动的云雀等。 学习方法：未明确提及。 课程目录： 第 0 讲：课程说明（17:15 有芙莉蓮雷）（2024 年 2 月 24 日） 第 1 讲：生成式 AI 是什么？（2024 年 2 月 24 日） 第 2 讲：今日的生成式人工智慧厉害在哪里？从「工具」变为「工具人」（2024 年 3 月 3 日） 第 3 讲：训练不了人工智慧？你可以训练你自己—神奇咒语与提供更多资讯（2024 年 3 月 3 日） 第 4 讲：训练不了人工智慧？你可以训练你自己—拆解问题与使用工具（2024 年 3 月 10 日） 待更新…… 第 0 讲具体内容： 知道：有能力自己开发、何时需要自己开发、何时可以用现成的人工智能。 目标：了解生成式 AI 背后的原理和更多可能性，作为你魔术师的开始。包括体验用生成式 AI 打造应用、体验训练自己的生成式 AI 模型、负面体验（花时间：大模型是以周为单位来训练；结果不可以控制：养花养小动物）。 影响模型能力的指标很多，但是常规会看参数的量级来评估，量级指数级增长，FOMO，这就是朱啸虎的立场来源。如 2019 年 GPT2.0 15b 参数，2024 年 GPT3.5 70b 参数。 课程地址：https://www.youtube.com/watch?v=AVIKFXLCPY8
2025-03-04
《生成式 AI 导论 2024》李宏毅课程在哪里可以学习
您可以在以下网址学习李宏毅的《生成式 AI 导论 2024》课程：https://www.youtube.com/watch?v=AVIKFXLCPY8 课程目录如下： 第 0 講：課程說明（2024 年 2 月 24 日） 第 1 講：生成式 AI 是什麼？（2024 年 2 月 24 日） 第 2 講：今日的生成式人工智慧厲害在哪裡？從「工具」變為「工具人」（2024 年 3 月 3 日） 第 3 講：訓練不了人工智慧？你可以訓練你自己—神奇咒語與提供更多資訊（2024 年 3 月 3 日） 第 4 講：訓練不了人工智慧？你可以訓練你自己—拆解問題與使用工具（2024 年 3 月 10 日） 待更新…… 该课程的附录内容包括： 一、课程介绍 这是台湾大学李宏毅教授的生成式 AI 课程，主要介绍了生成式 AI 的基本概念、发展历程、技术架构和应用场景等内容。课程共分为 12 讲，每讲约 2 小时。 二、学习目标 通过学习本课程，掌握生成式 AI 的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，了解生成式 AI 的发展现状和未来趋势。 三、学习内容 1. 什么是生成式 AI 生成式 AI 的定义和分类 生成式 AI 与判别式 AI 的区别 生成式 AI 的应用领域 2. 生成式模型 生成式模型的基本结构和训练方法 生成式模型的评估指标 常见的生成式模型及其优缺点 3. 生成式对话 生成式对话的基本概念和应用场景 生成式对话系统的架构和关键技术 基于生成式模型的对话生成方法 4. 预训练语言模型 预训练语言模型的发展历程和关键技术 预训练语言模型的优缺点 预训练语言模型在生成式 AI 中的应用 5. 生成式 AI 的挑战与展望 生成式 AI 面临的挑战和解决方法 生成式 AI 的未来发展趋势和研究方向 四、学习资源 教材：《生成式 AI 导论 2024》，李宏毅
2024-09-03
请问哪里可以免费生成ppt课件
以下是一些可以免费生成 PPT 课件的工具和相关信息： 1. 歌者 PPT（gezhe.com）： 功能：话题生成，可一键生成 PPT 内容；支持多种文件格式转 PPT；多语言支持，能生成多语言 PPT；拥有海量模板和案例库；生成结果可在线编辑和分享；提供增值服务，如自定义模板、字体、动效等。 简介：是一款永久免费的智能 PPT 生成工具，能将任何主题或资料转化为 PPT，并提供便捷操作和智能化体验。 产品优势：所有功能永久免费；智能易用，通过 AI 技术简化制作流程；海量案例，有大量精美模板和优秀案例；资料转 PPT 专业，转换过程尊重原文；支持 AI 翻译，保持排版不变，多语言在线即时翻译。 推荐理由：完全免费，对学生和职场人士是福音；智能化程度高，高效准确；模板和案例库丰富，适合多种场景；支持多语言，国际化实用；几乎无需学习成本就能上手。 2. 目前市面上大多数 AI 生成 PPT 按照以下思路完成设计和制作： AI 生成 PPT 大纲。 手动优化大纲。 导入工具生成 PPT。 优化整体结构。 此外，还为您推荐 2 篇市场分析的文章供参考： 1. 《》 2. 《》（质朴发言）
2025-03-02
利用AI制作ppt课件
以下是利用 AI 制作 PPT 课件的步骤： 1. 确定主题和内容：明确 PPT 的主题，例如结合具体电商网站研究 5 种不同电商模式。 2. 利用 GPT4 生成 PPT 大纲：通过与 GPT4 交流，写出 PPT 大纲的提示词，经过多次迭代生成大纲。 3. 优化大纲：将大纲导入 WPS 中，使用 WPS AI 一键生成 PPT 并优化大纲，使其内容更丰富。 4. 添加动画效果：使用 chatPPT 为 PPT 添加动画。 5. 手动修改细节：对生成的 PPT 进行手动修改，包括字体、事实性错误等。 在制作过程中，最耗时的是让 GPT4 生成符合要求的 PPT 大纲，而利用 WPS AI 能快速生成 PPT 并进行一些基础修改。目前 WPS 的相关功能免费，可抓紧使用。
2025-02-12
推荐关于AI的视频学习课件
以下为您推荐关于 AI 的视频学习课件： 1. 【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。 免费课程机会：如果想要免费获得这门课程，可以来参与 video battle，获胜者有机会获得课程奖励，包括冠军奖励 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，了解更多课程信息。 2. B 站 up 主 Nally 的课程：免费且每节 15 分钟，内容很棒。 3. 新手学习 AI 推荐： 了解 AI 基本概念：建议阅读「」部分，熟悉 AI 的术语和基础概念。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。 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。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。 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。建议掌握提示词的技巧。 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。 体验 AI 产品：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。
2025-01-29
ai基础学习课件
以下是为您提供的 AI 基础学习课件相关内容： 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。 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。 可通过在线教育平台（如 Coursera、edX、Udacity）上的课程按自己节奏学习，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，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。 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。 知识库中有很多实践后的作品、文章分享，欢迎实践后分享。 体验 AI 产品： 与现有的 AI 产品（如 ChatGPT、Kimi Chat、智谱、文心一言等）进行互动，了解其工作原理和交互方式，获得对 AI 实际应用表现的第一手体验，激发对 AI 潜力的认识。 写给不会代码的您： AI 背景知识：了解基础理论，包括人工智能、机器学习、深度学习的定义及其之间的关系，简要回顾 AI 的发展历程和重要里程碑。 数学基础：熟悉统计学基础（如均值、中位数、方差等统计概念）、线性代数（如向量、矩阵等基本概念）、概率论（如条件概率、贝叶斯定理）。 算法和模型：了解监督学习（如线性回归、决策树、支持向量机）、无监督学习（如聚类、降维）、强化学习的基本概念。 评估和调优：了解如何评估模型性能（包括交叉验证、精确度、召回率等），学习使用网格搜索等技术优化模型参数。 神经网络基础：理解神经网络的基本结构（包括前馈网络、卷积神经网络、循环神经网络），了解常用的激活函数（如 ReLU、Sigmoid、Tanh）。 微软 AI 初学者入门课程： 特定的机器学习云框架，例如》。 对话式人工智能和聊天机器人，可参考单独的课程《。 深度学习背后的深层数学，推荐 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。
2024-11-30
做课件的ai
以下是为您提供的关于做课件的 AI 相关信息： 吐司网站的使用方法： 对话生图：首页最上方有对话生图的快速入口，可输入想画的文字，没想法可点击右边的?随机出提示词，然后点击“对话生图”，几秒钟就能出人生第一张 AI 绘图。 经典工作台：站内所有帖子均可轻松“一键做同款”，还有“今日灵感”，不用担心不知道今日该画什么。 模型选择：包括写实、2.5D、二次元。 Lora 选择：涵盖风格、元素、形象。 Controlnet 控制：包括线条、深度、姿态、语义、风格迁移，法向、色彩等。 AI 小工具上手：小工具涵盖扩图、高清修复、去背景等多个设计功能，还有很多趣味玩法和风格滤镜，一键真人转动漫，包括韩漫、日漫等风格。使用前请阅读标题和详情页描述。 校园 AI 创投活动相关课程和回放： 10 月 16 日 20:00，视频课程，讲师 EM7 南柒，课程标题为“AI 视频创作指南 商业片制作”，有课程回放，相关资料包括商业片实战经验分享，老师课件： 。 10 月 17 日 20:00，模型训练课程，讲师忠忠，相关资料为厚德云。 10 月 18 日 20:00，comfyUI + 建站课程，讲师海辛/阿文，相关资料为 comfyUI 和 Cursor 。 10 月 20 日 14:00 18:00，校园 AIPO 线下路演。 10 月 21 日 20:00，颁奖。 关于 Prompt（提示词）的道和术： 彩蛋部分提到，要把场景当做画布，把 AI 当做画笔，人应是画师，要比 AI 凶，要有感觉和把控力，不能大撒把放弃指挥权。 总结感悟为“压缩表达”，认为这是当前找到的最有效、好玩和有用的提示词之道，未来可能会有新的突破。
2024-11-28
推荐可以生成教学课件的AI
以下是为您推荐的可以生成教学课件的 AI 工具： 免费工具：讯飞智文（http://zhiwen.xfyun.cn） 付费工具：百度文库 此外，还有一些相关的网站和工具，如： Kimi.ai tome gamma 这些工具具有以下特点： 内容自动生成，可根据反馈多次修改。 可以自定义格式模板，实现格式自动调整。 有的网站配图也由 GenAI 根据页面内容生成。 呈现 AI 生成的 PPT 结果，用户不满意可以自行选择模版。
2024-10-21
人共智能导论思维导图
以下是为您整理的关于人工智能相关的内容： 1. 头脑风暴常用的 20 个 prompt：包括 Brainwriting Prompt、Reverse Brainstorming Prompt、Mind Mapping 等。 2. 构建外脑/智变时代的个人知识管理：从哲学角度思考知识被 AI 重塑后人的意义，认为超级智能将是人类的外脑，人类独特的个性等将与智能个体融合成为化身，共同汇聚成智能时代的新知识网络。 3. 生成式人工智能在教学中的应用：涉及多媒体、虚拟现实、移动设备等方面，涵盖全面发展个性化学习、协作学习、创新能力等内容，还包括数字校园、智慧课堂、在线社区等场景，以及培养元认知能力、创新思维等能力，以及人机协同、因材施教等理念。
2024-10-20
人工智能导论思维导图
以下是为您提供的人工智能导论思维导图相关内容： 与思维导图相关的 AI 工具有： 1. GitMind：免费的跨平台 AI 思维导图软件，支持多种模式，可通过 AI 自动生成思维导图。 2. ProcessOn：国内思维导图与 AIGC 结合的工具，能利用 AI 生成思维导图。 3. AmyMind：轻量级在线 AI 思维导图工具，无需注册登录，支持自动生成节点。 4. Xmind Copilot：Xmind 推出的基于 GPT 的 AI 思维导图助手，可一键拓展思路、生成文章大纲。 5. TreeMind：“AI 人工智能”思维导图工具，输入需求后由 AI 自动完成思维导图生成。 6. EdrawMind：提供一系列 AI 工具，包括 AI 驱动的头脑风暴功能，有助于提升生产力。 总的来说，这些工具都能通过 AI 技术自动生成思维导图，提高制作效率，为知识工作者带来便利。但请注意，内容由 AI 大模型生成，请仔细甄别。
2024-10-18
生成关于“人工智能导论”的思维导图
以下是为您生成的关于“人工智能导论”的思维导图相关内容： 与思维导图相关的 AI 工具： 1. GitMind：免费跨平台，支持多种模式，可通过 AI 自动生成思维导图。 2. ProcessOn：国内思维导图+AIGC 工具，能利用 AI 生成思维导图。 3. AmyMind：轻量级在线，无需注册登录，支持自动生成节点。 4. Xmind Copilot：基于 GPT 的助手，可一键拓展思路、生成文章大纲。 5. TreeMind：“AI 人工智能”工具，输入需求可自动生成思维导图。 6. EdrawMind：提供 AI 工具，包括头脑风暴功能，提升生产力。 总的来说，这些工具都能通过 AI 技术提高思维导图制作效率，为知识工作者带来便利。
2024-10-18
人工智能导论
以下是关于人工智能导论的相关内容： 微软提供了 AI 初学者入门课程，其中包括人工智能导论。在这门课程中，您将学到： 实现人工智能的不同方法，如使用知识表示和推理的符号人工智能，它属于“有效的老式人工智能”（GOFAI）。 神经网络和深度学习，会使用 TensorFlow 和 PyTorch 两个流行框架中的代码来说明重要概念。 处理图像和文本的神经架构，但在前沿信息上可能有所欠缺。 不太流行的人工智能方法，如遗传算法和多智能体系统。 课程还包含了人工智能简介和历史的课前测试，指出人工智能研究如何使计算机表现出智能行为，例如做人类擅长的事。最初计算机遵循明确的程序运算，而像“根据照片判断一个人的年龄”这类任务无法明确编程，因为我们不清楚大脑完成此任务的具体步骤，这类任务正是人工智能感兴趣的。 课程列表中编号为 I 的课程即为人工智能导论，其相关讲义可通过获取。
2024-09-29
生成式AI导论
以下是关于《生成式 AI 导论 2024》李宏毅课程的相关内容： 课程介绍： 这是台湾大学李宏毅教授的生成式 AI 课程，主要涵盖生成式 AI 的基本概念、发展历程、技术架构和应用场景等。课程共 12 讲，每讲约 2 小时。 学习目标： 通过本课程，掌握生成式 AI 的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，了解其发展现状和未来趋势。 学习内容： 1. 什么是生成式 AI：包括定义和分类，与判别式 AI 的区别，应用领域。 2. 生成式模型：基本结构和训练方法，评估指标，常见模型及其优缺点。 3. 生成式对话：基本概念和应用场景，系统架构和关键技术，基于生成式模型的对话生成方法。 4. 预训练语言模型：发展历程和关键技术，优缺点，在生成式 AI 中的应用。 5. 生成式 AI 的挑战与展望：面临的挑战和解决方法，未来发展趋势和研究方向。 第 1 讲：生成式 AI 是什么 1. 定义：机器产生复杂有结构的物件。 2. AI 和 AGI 的关系：涉及机器学习、深度学习、类神经网络等。 3. 以 ChatGPT 等为例讲解，如 ChatGPT 是文字接龙，语言模型将复杂问题变成分类问题，生成策略采用回归等。 学习资源： 教材为《生成式 AI 导论 2024》，李宏毅。
2024-09-03