Künstliche Intelligenz für Einsteiger – Ein Lehrplan


KI für Anfänger – Sketchnote von @girlie_mac

Entdecken Sie die Welt der Künstlichen Intelligenz (KI) mit unserem 12-wöchigen Lehrplan mit 24 Lektionen! Es umfasst praktische Lektionen, Tests und Labore. Der Lehrplan ist anfängerfreundlich und umfasst Tools wie TensorFlow und PyTorch sowie Ethik in der KI

Was Sie lernen werden

Mindmap des Kurses

In diesem Lehrplan lernen Sie:

Verschiedene Ansätze zur Künstlichen Intelligenz, darunter der „gute alte“ symbolische Ansatz mit Knowledge Representation and Reasoning (GOFAI).
Neuronale Netze und Deep Learning , die den Kern moderner KI bilden. Wir veranschaulichen die Konzepte hinter diesen wichtigen Themen anhand von Code in zwei der beliebtesten Frameworks – TensorFlow und PyTorch.
Neuronale Architekturen für die Arbeit mit Bildern und Text. Wir werden die neuesten Modelle behandeln, es kann jedoch sein, dass der aktuelle Stand der Technik etwas fehlt.
Weniger beliebte KI-Ansätze wie genetische Algorithmen und Multiagentensysteme .

Was wir in diesem Lehrplan nicht behandeln werden:

Alle zusätzlichen Ressourcen für diesen Kurs finden Sie in unserer Microsoft Learn-Sammlung

Geschäftsbeispiele für den Einsatz von KI in der Wirtschaft . Erwägen Sie den Lernpfad „Einführung in KI für Geschäftsanwender“ auf Microsoft Learn oder AI Business School, der in Zusammenarbeit mit INSEAD entwickelt wurde.
Klassisches maschinelles Lernen , das in unserem Lehrplan für maschinelles Lernen für Anfänger ausführlich beschrieben wird.
Praktische KI-Anwendungen, die mit Cognitive Services erstellt wurden. Hierzu empfehlen wir Ihnen, mit den Modulen Microsoft Learn for Vision, Natural Language Processing, Generative AI mit Azure OpenAI Service und anderen zu beginnen.
Spezifische ML Cloud Frameworks , wie Azure Machine Learning, Microsoft Fabric oder Azure Databricks. Erwägen Sie die Verwendung der Lernpfade „Lösungen für maschinelles Lernen erstellen und betreiben mit Azure Machine Learning“ und „Lösungen für maschinelles Lernen erstellen und betreiben mit Azure Databricks“.
Konversations-KI und Chat-Bots . Es gibt einen separaten Lernpfad zum Erstellen von Konversations-KI-Lösungen. Weitere Einzelheiten finden Sie auch in diesem Blogbeitrag.
Tiefe Mathematik hinter tiefem Lernen. Hierzu empfehlen wir Deep Learning von Ian Goodfellow, Yoshua Bengio und Aaron Courville, das auch online unter https://www.deeplearningbook.org/ verfügbar ist.

Für eine sanfte Einführung in die Themen „KI in der Cloud“ können Sie den Lernpfad „Erste Schritte mit künstlicher Intelligenz auf Azure“ in Betracht ziehen.

Inhalt

	Link zur Lektion	PyTorch/Keras/TensorFlow	Labor
0	Kursaufbau	Richten Sie Ihre Entwicklungsumgebung ein
ICH	Einführung in die KI
01	Einführung und Geschichte der KI	-	-
II	Symbolische KI
02	Wissensrepräsentation und Expertensysteme	Expertensysteme / Ontologie / Konzeptgraph
III	Einführung in neuronale Netze
03	Perzeptron	Notizbuch	Labor
04	Mehrschichtiges Perzeptron und die Schaffung unseres eigenen Frameworks	Notizbuch	Labor
05	Einführung in Frameworks (PyTorch/TensorFlow) und Overfitting	PyTorch / Keras / TensorFlow	Labor
IV	Computer Vision	PyTorch / TensorFlow	Entdecken Sie Computer Vision auf Microsoft Azure
06	Einführung in Computer Vision. OpenCV	Notizbuch	Labor
07	Faltungs-Neuronale Netze und CNN-Architekturen	PyTorch /TensorFlow	Labor
08	Vorgefertigte Netzwerke und Transfer-Lern- und Trainingstricks	PyTorch / TensorFlow	Labor
09	Autoencoder und VAEs	PyTorch / TensorFlow
10	Generative kontradiktorische Netzwerke und künstlerischer Stiltransfer	PyTorch / TensorFlow
11	Objekterkennung	TensorFlow	Labor
12	Semantische Segmentierung. U-Net	PyTorch / TensorFlow
V	Verarbeitung natürlicher Sprache	PyTorch /TensorFlow	Entdecken Sie die Verarbeitung natürlicher Sprache auf Microsoft Azure
13	Textdarstellung. Bogen/TF-IDF	PyTorch / TensorFlow
14	Semantische Worteinbettungen. Word2Vec und GloVe	PyTorch / TensorFlow
15	Sprachmodellierung. Trainieren Sie Ihre eigenen Einbettungen	PyTorch / TensorFlow	Labor
16	Wiederkehrende neuronale Netze	PyTorch / TensorFlow
17	Generative wiederkehrende Netzwerke	PyTorch / TensorFlow	Labor
18	Transformatoren. BERT.	PyTorch /TensorFlow
19	Anerkennung benannter Entitäten	TensorFlow	Labor
20	Große Sprachmodelle, schnelle Programmierung und Few-Shot-Aufgaben	PyTorch
VI	Andere KI-Techniken
21	Genetische Algorithmen	Notizbuch
22	Deep Reinforcement Learning	PyTorch /TensorFlow	Labor
23	Multiagentensysteme
VII	KI-Ethik
24	KI-Ethik und verantwortungsvolle KI	Microsoft Learn: Verantwortungsvolle KI-Prinzipien
IX	Extras
25	Multimodale Netzwerke, CLIP und VQGAN	Notizbuch

Jede Lektion enthält

Vorlesematerial
Ausführbare Jupyter-Notebooks, die oft spezifisch für das Framework sind ( PyTorch oder TensorFlow ). Das ausführbare Notebook enthält auch viel theoretisches Material. Um das Thema zu verstehen, müssen Sie also mindestens eine Version des Notebooks durchgehen (entweder PyTorch oder TensorFlow).
Für einige Themen stehen Labore zur Verfügung, die Ihnen die Möglichkeit geben, das Gelernte auf ein bestimmtes Problem anzuwenden.
Einige Abschnitte enthalten Links zu MS Learn- Modulen, die verwandte Themen behandeln.

Erste Schritte

Wir haben eine Setup-Lektion erstellt, die Ihnen beim Einrichten Ihrer Entwicklungsumgebung hilft. - Für Pädagogen haben wir auch eine Lehrplan-Einrichtungslektion für Sie erstellt!
So führen Sie den Code in einem VSCode oder einem Codepace aus

Befolgen Sie diese Schritte:

Forken des Repositorys: Klicken Sie auf die Schaltfläche „Fork“ in der oberen rechten Ecke dieser Seite.

Klonen Sie das Repository: git clone https://github.com/microsoft/AI-For-Beginners.git

Vergessen Sie nicht, dieses Repo zu markieren (?), damit Sie es später einfacher finden.

Treffen Sie andere Lernende

Treten Sie unserem offiziellen AI Discord-Server bei, um andere Lernende dieses Kurses zu treffen, sich mit ihnen zu vernetzen und Unterstützung zu erhalten.

Quiz

Ein Hinweis zu Quiz : Alle Quiz sind im Ordner „Quiz-app“ unter „etcquiz-app“ enthalten. Sie sind innerhalb der Lektionen verlinkt. Die Quiz-App kann lokal ausgeführt oder in Azure bereitgestellt werden. Folgen Sie den Anweisungen im quiz-app -Ordner. Sie werden nach und nach lokalisiert.