Skip to content

Latest commit

 

History

History
233 lines (173 loc) · 28.4 KB

File metadata and controls

233 lines (173 loc) · 28.4 KB

GitHub license GitHub contributors GitHub issues GitHub pull-requests PRs Welcome

GitHub watchers GitHub forks GitHub stars Binder Gitter

Microsoft Foundry Discord

Artificial Intelligence for Beginners - En Läroplan

Sketchnote av @girlie_mac https://twitter.com/girlie_mac
AI For Beginners - Sketchnote av @girlie_mac

Utforska världen av Artificiell Intelligens (AI) med vår 12-veckors, 24-lektioners läroplan! Den inkluderar praktiska lektioner, quiz och labbar. Läroplanen är nybörjarvänlig och täcker verktyg som TensorFlow och PyTorch, samt etik inom AI.

🌐 Flerspråkigt Stöd

Stöds via GitHub Action (Automatiserad & Alltid Uppdaterad)

Arabiska | Bengali | Bulgariska | Burmesiska (Myanmar) | Kinesiska (Förenklad) | Kinesiska (Traditionell, Hongkong) | Kinesiska (Traditionell, Macau) | Kinesiska (Traditionell, Taiwan) | Kroatiska | Tjeckiska | Danska | Holländska | Estniska | Finska | Franska | Tyska | Grekiska | Hebreiska | Hindi | Ungerska | Indonesiska | Italienska | Japanska | Kannada | Koreanska | Litauiska | Malayiska | Malayalam | Marathi | Nepalesiska | Nigeriansk Pidgin | Norska | Persiska (Farsi) | Polska | Portugisiska (Brasilien) | Portugisiska (Portugal) | Punjabi (Gurmukhi) | Rumänska | Ryska | Serbiska (Kyrilliska) | Slovakiska | Slovenska | Spanska | Swahili | Svenska | Tagalog (Filippinska) | Tamil | Telugu | Thailändska | Turkiska | Ukrainska | Urdu | Vietnamesiska

Föredrar att klona lokalt?

Detta arkiv innehåller över 50 språköversättningar vilket avsevärt ökar nedladdningsstorleken. För att klona utan översättningar, använd sparse checkout:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
cd AI-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
cd AI-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

Detta ger dig allt du behöver för att slutföra kursen med en mycket snabbare nedladdning.

Om du vill att ytterligare översättningsspråk ska stödjas finns de listade här

Gå med i communityn

Microsoft Foundry Discord

Vad du kommer att lära dig

Mindmap för Kursen

I denna läroplan kommer du att lära dig:

  • Olika tillvägagångssätt för Artificiell Intelligens, inklusive den "gamla goda" symboliska metoden med Kunskapsrepresentation och resonemang (GOFAI).
  • Neurala Nätverk och Djupinlärning, som är kärnan i modern AI. Vi kommer att illustrera koncepten bakom dessa viktiga ämnen med kod i två av de mest populära ramverken - TensorFlow och PyTorch.
  • Neurala Arkitekturer för arbete med bilder och text. Vi kommer att täcka aktuella modeller men kan sakna en del av det senaste.
  • Mindre populära AI-tillvägagångssätt, såsom Genetiska Algoritmer och Multi-Agent System.

Vad vi inte kommer att täcka i denna läroplan:

Hitta alla ytterligare resurser för denna kurs i vår Microsoft Learn samling

För en mjuk introduktion till AI i molnet-ämnen kan du överväga att ta Kom igång med artificiell intelligens på Azure lärväg.

Innehåll

Lektionlänk PyTorch/Keras/TensorFlow Lab
0 Kursinställning Ställ in din utvecklingsmiljö
I Introduktion till AI
01 Introduktion och AI:s historia - -
II Symbolisk AI
02 Kunskapsrepresentation och expertsystem Expertsystem / Ontologi /Konceptgraf
III Introduktion till neurala nätverk
03 Perceptron Anteckningsbok Lab
04 Flerlagers perceptron och att skapa vårt eget ramverk Anteckningsbok Lab
05 Introduktion till ramverk (PyTorch/TensorFlow) och överanpassning PyTorch / Keras / TensorFlow Lab
IV Datorseende PyTorch / TensorFlow Utforska datorseende på Microsoft Azure
06 Introduktion till datorseende. OpenCV Anteckningsbok Lab
07 Konvolutionella neurala nätverk & CNN-arkitekturer PyTorch /TensorFlow Lab
08 Förtränade nätverk och transfer learning och Träningsknep PyTorch / TensorFlow Lab
09 Autoencoders och VAE:er PyTorch / TensorFlow
10 Generativa adversariella nätverk & konstnärlig stilöverföring PyTorch / TensorFlow
11 Objektigenkänning TensorFlow Lab
12 Semantisk segmentering. U-Net PyTorch / TensorFlow
V Naturlig språkbehandling PyTorch /TensorFlow Utforska naturlig språkbehandling på Microsoft Azure
13 Textrepresentation. Bow/TF-IDF PyTorch / TensorFlow
14 Semantiska ordinbäddningar. Word2Vec och GloVe PyTorch / TensorFlow
15 Språkmodellering. Träna dina egna inbäddningar PyTorch / TensorFlow Lab
16 Rekursiva neurala nätverk PyTorch / TensorFlow
17 Generativa rekursiva nätverk PyTorch / TensorFlow Lab
18 Transformers. BERT. PyTorch /TensorFlow
19 Named Entity Recognition TensorFlow Lab
20 Stora språkmodeller, promptprogrammering och few-shot-uppgifter PyTorch
VI Andra AI-tekniker
21 Genetiska algoritmer Anteckningsbok
22 Djup förstärkningsinlärning PyTorch /TensorFlow Lab
23 Fleragentsystem
VII AI-etik
24 AI-etik och ansvarsfull AI Microsoft Learn: Principer för ansvarsfull AI
IX Övrigt
25 Multimodala nätverk, CLIP och VQGAN Anteckningsbok

Varje lektion innehåller

  • Förberedande material
  • Körbara Jupyter-anteckningsböcker, som ofta är specifika för ramverket (PyTorch eller TensorFlow). Den körbara anteckningsboken innehåller också mycket teoretiskt material, så för att förstå ämnet behöver du gå igenom minst en version av anteckningsboken (antingen PyTorch eller TensorFlow).
  • Laborationer tillgängliga för vissa ämnen, som ger dig möjlighet att prova att tillämpa det material du lärt dig på ett specifikt problem.
  • Vissa avsnitt innehåller länkar till MS Learn moduler som täcker relaterade ämnen.

Kom igång

🎯 Ny inom AI? Börja här!

Om du är helt ny på AI och vill ha snabba, praktiska exempel, kolla in våra Nybörjarvänliga exempel! Dessa inkluderar:

  • 🌟 Hello AI World - Ditt första AI-program (mönsterigenkänning)
  • 🧠 Enkel neuralt nätverk - Bygg ett neuralt nätverk från grunden
  • 🖼️ Bildklassificerare - Klassificera bilder med detaljerade kommentarer
  • 💬 Textanalys av känslor - Analysera positiv/negativ text

Dessa exempel är utformade för att hjälpa dig att förstå AI-koncept innan du går vidare till hela kursplanen.

📚 Fullständig kursuppläggning

Följ dessa steg:

Forka lagret: Klicka på "Fork" knappen uppe till höger på denna sida.

Klona lagret: git clone https://github.com/microsoft/AI-For-Beginners.git

Glöm inte att stjärnmärka (🌟) detta repo för att hitta det lättare senare.

Träffa andra studerande

Gå med i vår officiella AI Discord-server för att träffa och nätverka med andra som går denna kurs och få stöd.

Om du har produktfeedback eller frågor under byggandet besök vår Azure AI Foundry Developer Forum

Quizzer

En notis om quizzer: Alla quizzer finns i Quiz-app-mappen i etc\quiz-app, eller Online Här De länkas från lektionerna och quiz-appen kan köras lokalt eller distribueras till Azure; följ instruktionen i quiz-app mappen. De håller på att översättas gradvis.

Hjälp önskas

Har du förslag eller har hittat stav- eller kodfel? Skapa ett ärende eller en pull-begäran.

Ett speciellt tack

Andra kursplaner

Vårt team producerar andra kursplaner! Kolla in:

LangChain

LangChain4j for Beginners LangChain.js for Beginners LangChain for Beginners

Azure / Edge / MCP / agenter

AZD for Beginners Edge AI for Beginners MCP for Beginners AI Agents for Beginners


Generativ AI-serie

Generative AI for Beginners Generative AI (.NET) Generative AI (Java) Generative AI (JavaScript)


Kärnkunskap

ML for Beginners Data Science for Beginners AI for Beginners Cybersecurity for Beginners Web Dev for Beginners IoT for Beginners XR Development for Beginners


Copilot-serie

Copilot for AI Paired Programming Copilot for C#/.NET Copilot Adventure

Få hjälp

Om du kör fast eller har frågor om att bygga AI-appar. Gå med i diskussioner tillsammans med andra studerande och erfarna utvecklare om MCP. Det är en stödjande gemenskap där frågor är välkomna och kunskap delas fritt.

Microsoft Foundry Discord

Om du har produktfeedback eller fel under byggandet besök:

Microsoft Foundry Developer Forum


Ansvarsfriskrivning: Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, vänligen var medveten om att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För viktig information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår vid användning av denna översättning.