ปัญญาประดิษฐ์สำหรับผู้เริ่มต้น - หลักสูตร


AI สำหรับผู้เริ่มต้น - Sketchnote โดย @girlie_mac

สำรวจโลกแห่ง ปัญญาประดิษฐ์ (AI) ด้วยหลักสูตร 12 สัปดาห์ 24 บทเรียนของเรา! ประกอบด้วยบทเรียนภาคปฏิบัติ แบบทดสอบ และห้องทดลอง หลักสูตรนี้เหมาะสำหรับผู้เริ่มต้นและครอบคลุมเครื่องมือต่างๆ เช่น TensorFlow และ PyTorch รวมถึงจริยธรรมใน AI

สิ่งที่คุณจะได้เรียนรู้

Mindmap ของหลักสูตร

ในหลักสูตรนี้ คุณจะได้เรียนรู้:

แนวทางต่างๆ สำหรับปัญญาประดิษฐ์ รวมถึงแนวทางเชิงสัญลักษณ์ "แบบเก่าที่ดี" พร้อม การนำเสนอความรู้ และการใช้เหตุผล (GOFAI)
โครงข่ายประสาทเทียม และ การเรียนรู้เชิงลึก ซึ่งเป็นหัวใจสำคัญของ AI ยุคใหม่ เราจะแสดงแนวคิดเบื้องหลังหัวข้อสำคัญเหล่านี้โดยใช้โค้ดในสองเฟรมเวิร์กที่ได้รับความนิยมมากที่สุด ได้แก่ TensorFlow และ PyTorch
สถาปัตยกรรมประสาท สำหรับการทำงานกับรูปภาพและข้อความ เราจะกล่าวถึงโมเดลล่าสุดแต่อาจจะยังขาดความล้ำสมัยไปเล็กน้อย
แนวทาง AI ที่ได้รับความนิยมน้อยกว่า เช่น Genetic Algorithms และ Multi-Agent Systems

สิ่งที่เราจะไม่ครอบคลุมในหลักสูตรนี้:

ค้นหาแหล่งข้อมูลเพิ่มเติมทั้งหมดสำหรับหลักสูตรนี้ในคอลเลกชัน Microsoft Learn ของเรา

กรณีธุรกิจของการใช้ AI ในธุรกิจ พิจารณานำ AI เบื้องต้นสำหรับผู้ใช้ทางธุรกิจในเส้นทางการเรียนรู้บน Microsoft Learn หรือ AI Business School ซึ่งพัฒนาร่วมกับ INSEAD
การเรียนรู้ของเครื่องแบบคลาสสิก ซึ่งได้รับการอธิบายไว้อย่างดีในหลักสูตรการเรียนรู้ของเครื่องสำหรับผู้เริ่มต้น
แอปพลิเคชัน AI เชิงปฏิบัติที่สร้างขึ้นโดยใช้ Cognitive Services สำหรับสิ่งนี้ เราขอแนะนำให้คุณเริ่มต้นด้วยโมดูล Microsoft Learn สำหรับการมองเห็น การประมวลผลภาษาธรรมชาติ Generative AI พร้อม Azure OpenAI Service และอื่นๆ
ML Cloud Frameworks เฉพาะ เช่น Azure Machine Learning, Microsoft Fabric หรือ Azure Databricks พิจารณาใช้สร้างและดำเนินการโซลูชันการเรียนรู้ของเครื่องด้วย Azure Machine Learning และสร้างและดำเนินการโซลูชันการเรียนรู้ของเครื่องด้วยเส้นทางการเรียนรู้ Azure Databricks
AI การสนทนา และ แชทบอท มีเส้นทางการเรียนรู้ สร้างโซลูชันการสนทนา AI แยกต่างหาก และคุณยังสามารถอ้างอิงถึงโพสต์บนบล็อกนี้เพื่อดูรายละเอียดเพิ่มเติม
คณิตศาสตร์เชิงลึก เบื้องหลังการเรียนรู้เชิงลึก สำหรับสิ่งนี้ เราขอแนะนำ Deep Learning โดย Ian Goodfellow, Yoshua Bengio และ Aaron Courville ซึ่งมีให้ทางออนไลน์ที่ https://www.deeplearningbook.org/

สำหรับการแนะนำหัวข้อ AI ในระบบคลาวด์ อย่างคร่าวๆ คุณอาจพิจารณาเริ่มต้นใช้งานปัญญาประดิษฐ์บนเส้นทางการเรียนรู้ Azure

เนื้อหา

	ลิงค์บทเรียน	PyTorch/Keras/TensorFlow	แล็บ
0	การตั้งค่าหลักสูตร	ตั้งค่าสภาพแวดล้อมการพัฒนาของคุณ
ฉัน	ความรู้เบื้องต้นเกี่ยวกับเอไอ
01	บทนำและประวัติความเป็นมาของ AI	-	-
ครั้งที่สอง	AI เชิงสัญลักษณ์
02	การนำเสนอความรู้และระบบผู้เชี่ยวชาญ	ระบบผู้เชี่ยวชาญ / Ontology /กราฟแนวคิด
ที่สาม	ความรู้เบื้องต้นเกี่ยวกับโครงข่ายประสาทเทียม
03	เพอร์เซปตรอน	โน๊ตบุ๊ค	แล็บ
04	Perceptron หลายชั้นและการสร้างกรอบงานของเราเอง	โน๊ตบุ๊ค	แล็บ
05	ข้อมูลเบื้องต้นเกี่ยวกับ Frameworks (PyTorch/TensorFlow) และ Overfitting	PyTorch / Keras / TensorFlow	แล็บ
IV	คอมพิวเตอร์วิทัศน์	PyTorch / เทนเซอร์โฟลว์	สำรวจคอมพิวเตอร์วิทัศน์บน Microsoft Azure
06	ความรู้เบื้องต้นเกี่ยวกับคอมพิวเตอร์วิทัศน์ OpenCV	โน๊ตบุ๊ค	แล็บ
07	เครือข่ายประสาทเทียมและสถาปัตยกรรม CNN	ไพทอร์ช /เทนเซอร์โฟลว์	แล็บ
08	เครือข่ายที่ได้รับการฝึกอบรมล่วงหน้าและถ่ายทอดการเรียนรู้และเคล็ดลับการฝึกอบรม	PyTorch / เทนเซอร์โฟลว์	แล็บ
09	ตัวเข้ารหัสอัตโนมัติและ VAE	PyTorch / เทนเซอร์โฟลว์
10	เครือข่ายปฏิปักษ์ทั่วไปและการถ่ายโอนรูปแบบทางศิลปะ	PyTorch / เทนเซอร์โฟลว์
11	การตรวจจับวัตถุ	เทนเซอร์โฟลว์	แล็บ
12	การแบ่งส่วนความหมาย ยู-เน็ต	PyTorch / เทนเซอร์โฟลว์
วี	การประมวลผลภาษาธรรมชาติ	ไพทอร์ช /เทนเซอร์โฟลว์	สำรวจการประมวลผลภาษาธรรมชาติบน Microsoft Azure
13	การแสดงข้อความ โบว์/TF-IDF	PyTorch / เทนเซอร์โฟลว์
14	การฝังคำเชิงความหมาย Word2Vec และ GloVe	PyTorch / เทนเซอร์โฟลว์
15	การสร้างแบบจำลองภาษา ฝึกการฝังตัวของคุณเอง	PyTorch / เทนเซอร์โฟลว์	แล็บ
16	โครงข่ายประสาทเทียมที่เกิดซ้ำ	PyTorch / เทนเซอร์โฟลว์
17	เครือข่ายเกิดซ้ำทั่วไป	PyTorch / เทนเซอร์โฟลว์	แล็บ
18	หม้อแปลงไฟฟ้า เบิร์ต.	ไพทอร์ช /เทนเซอร์โฟลว์
19	การรับรู้เอนทิตีที่มีชื่อ	เทนเซอร์โฟลว์	แล็บ
20	โมเดลภาษาขนาดใหญ่ การเขียนโปรแกรมแบบทันที และงานแบบไม่กี่ช็อต	ไพทอร์ช
วี	เทคนิค AI อื่นๆ
21	อัลกอริทึมทางพันธุกรรม	โน๊ตบุ๊ค
22	การเรียนรู้การเสริมกำลังเชิงลึก	ไพทอร์ช /เทนเซอร์โฟลว์	แล็บ
23	ระบบหลายตัวแทน
ปกเกล้าเจ้าอยู่หัว	จริยธรรมของเอไอ
24	จริยธรรมของ AI และ AI ที่มีความรับผิดชอบ	Microsoft Learn: หลักการ AI ที่มีความรับผิดชอบ
ทรงเครื่อง	บริการพิเศษ
25	เครือข่ายหลายรูปแบบ, CLIP และ VQGAN	โน๊ตบุ๊ค

แต่ละบทเรียนประกอบด้วย

เนื้อหาก่อนอ่าน
Jupyter Notebooks ที่ปฏิบัติการได้ ซึ่งมักจะเฉพาะเจาะจงกับเฟรมเวิร์ก ( PyTorch หรือ TensorFlow ) สมุดบันทึกปฏิบัติการยังประกอบด้วยเนื้อหาทางทฤษฎีมากมาย ดังนั้นเพื่อทำความเข้าใจหัวข้อที่คุณต้องใช้สมุดบันทึกอย่างน้อยหนึ่งเวอร์ชัน (PyTorch หรือ TensorFlow)
มี ห้องทดลอง สำหรับบางหัวข้อ ซึ่งเปิดโอกาสให้คุณลองใช้เนื้อหาที่คุณได้เรียนรู้กับปัญหาเฉพาะ
บางส่วนมีลิงก์ไปยังโมดูล MS Learn ที่ครอบคลุมหัวข้อที่เกี่ยวข้อง

เริ่มต้นใช้งาน

เราได้สร้างบทเรียนการตั้งค่าเพื่อช่วยคุณในการตั้งค่าสภาพแวดล้อมการพัฒนา - สำหรับนักการศึกษา เราได้จัดทำบทเรียนการตั้งค่าหลักสูตรสำหรับคุณเช่นกัน!
วิธีเรียกใช้โค้ดใน VSCode หรือ Codepace

ทำตามขั้นตอนเหล่านี้:

แยกพื้นที่เก็บข้อมูล: คลิกที่ปุ่ม "แยก" ที่มุมขวาบนของหน้านี้

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

อย่าลืมติดดาว (?) repo นี้เพื่อให้ค้นหาได้ง่ายขึ้นในภายหลัง

พบกับผู้เรียนคนอื่นๆ

เข้าร่วมเซิร์ฟเวอร์ AI Discord อย่างเป็นทางการของเราเพื่อพบปะและสร้างเครือข่ายกับผู้เรียนคนอื่นๆ ที่เรียนหลักสูตรนี้และรับการสนับสนุน

แบบทดสอบ

หมายเหตุเกี่ยวกับแบบทดสอบ : แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-app ใน etcquiz-app ซึ่งเชื่อมโยงจากภายในบทเรียนที่แอปแบบทดสอบสามารถเรียกใช้ในเครื่องหรือปรับใช้กับ Azure ทำตามคำแนะนำในโฟลเดอร์ quiz-app พวกเขากำลังค่อยๆ ถูกแปลเป็นภาษาท้องถิ่น