随着人工智能近几年的爆火，网上有关AI的教学课程层出不穷......
但网课的价格令许多想学习AI的小白们望而止步😩
价格动辄上千甚至上万......
而且此类网课大部分都是割韭菜......🤔🤔
But........AI小白们的春天来啦！！
Now ！！ 微软 发布了一整套适合初学者的免费生成式人工智能课程！！🥳
GitHub上的收藏量已高达 50.3K ！！🤩
此篇文章我们会对每一节课程进行介绍和总结。
大家不要错过！！速速转发收藏起来！👏
扫码加入AI交流群
获得更多技术支持和交流
介绍
课程共18节课，教授你开始构建生成式 AI 应用程序所需了解的一切！
下面我们对每一节课程进行介绍和要点总结。
📖第一节：介绍生成式AI和大语言模型（LLM）
本节课程会为大家讲述什么是生成式人工智能以及大型语言模型 (LLM) 如何工作，以及它如何彻底改变各个行业，特别是教育。
具体的要点有：
1️⃣生成式 AI 以及我们如何登陆当前技术格局。
2️⃣大型语言模型的内部工作。
3️⃣大型语言模型的主要功能和实际用例。
📖 第二节：探索和比较不同的大语言模型（LLM）
本节主要讲述如何为你的应用情形选择正确的模型。
具体的要点有：
1️⃣测试迭代和比较 Azure 中用例的不同模型。
2️⃣如何部署 LLM。
📖
第三节：负责地使用生成式AI
本节将讲述如何采取积极步骤来改进 AI 使用情况和如何有效的构建生成式AI应用程序。
具体的要点有：
1️⃣构建生成式 AI 应用程序应优先考虑负责任的 AI 的原因。
2️⃣负责任的 AI 的核心原则及其与生成式AI 的关系。
3️⃣如何通过策略和工具将这些负责任的 AI 原则付诸实践。
📖 第四节：了解提示工程的基础知识
本节将动手实践提示工程中的最佳实例，并了解如何构造提示、循环访问它们并验证其有效性。
具体的要点有：
1️⃣解释什么是提示工程，以及为什么它很重要。
2️⃣描述提示的组件及其使用方式。
3️⃣了解提示工程的最佳做法和技术。
4️⃣使用 OpenAI 终结点将学习的技术应用于实际示例。
📖
第五节：创建高级提示
本节将学习如何应用提示工程技术来改善提示的结果。
具体的要点有：
1️⃣应用提高提示结果的提示工程技术。
2️⃣配置提示以改变输出。
📖
第六节：构建文本生成应用程序
本节将学习构建使用 Azure OpenAI/OpenAI API 的文本生成应用程序。
具体的要点有：
1️⃣了解 OpenAI 库及其核心概念。
2️⃣使用 OpenAI 生成文本生成应用。
3️⃣了解如何使用提示、温度和tokens等概念生成文本生成应用。
📖
第七节：构建聊天应用程序
本节将学习有效构建和集成聊天应用程序的技术。
具体的要点有：
1️⃣用于高效构建和集成聊天应用程序的技术。
2️⃣如何对应用程序应用自定义和微调。
3️⃣有效监视聊天应用程序的策略和注意事项。
📖
第八节：构建搜索应用矢量数据库
本节将学习使用 Embeddings 搜索数据的搜索应用程序。
具体的要点有：
1️⃣语义搜索与关键字搜索。
2️⃣什么是文本嵌入。
3️⃣创建文本嵌入索引。
4️⃣搜索文本嵌入索引。
📖
第九节：构建图像生成应用程序
本节将学习构建图像生成应用程序。
具体的要点有：
1️⃣图像生成及其有用原因。
2️⃣什么是DALL-E 和 Midjourney，以及他们的工作原理。
3️⃣如何生成映像生成应用。
📖
第十节：构建低代码应用程序
本节讲述如何使用低代码工具构建生成式 AI 应用程序。
具体的要点有：
1️⃣Power Platform 中的生成 AI 简介。
2️⃣Copilot 简介以及如何使用它。
3️⃣使用生成 AI 在 Power Platform 中生成应用和流。
4️⃣使用 AI Builder 了解 Power Platform 中的 AI 模型。
📖
第十一节：通过函数调用集成外部应用程序
本节讲述么是函数调用及其应用程序的用例。
具体的要点有：
1️⃣解释什么是函数调用及其用例。
2️⃣使用 Azure OpenAI 创建函数调用。
3️⃣如何将函数调用集成到应用程序中。
📖
第十二节：为AI应用程序设计用户体验
本节讲述在开发生成式 AI 应用程序时如何应用用户体验（ UX ）设计原则。
具体的要点有：
1️⃣用户体验和了解用户需求简介。
2️⃣设计 AI 应用程序以保持信任和透明度。
3️⃣设计 AI 应用程序进行协作和反馈。
📖
第十三节：保护你的生成式AI应用程序
本节将了解AI系统面临的威胁和风险以及保护这些系统的方法。
具体的要点有：
1️⃣AI 系统上下文中的安全性。
2️⃣AI 系统的常见风险和威胁。
3️⃣保护 AI 系统的方法和注意事项。
📖
第十四节：生成式AI应用程序的生命周期
本节将学习管理 LLM 生命周期和 LLMOps 的工具和指标。
具体的要点有：
1️⃣了解 MLOps 到 LLMOps 的范例转变。
2️⃣LLM 生命周期。
3️⃣生命周期工具。
4️⃣生命周期计量和评估。
📖
第十五节：检索增强生成（RAG）和矢量数据库
本节将学习使用 RAG 框架从矢量数据库中检索嵌入的应用程序。
具体的要点有：
1️⃣RAG 简介、它是什么以及它为何在 AI中使用。
2️⃣了解什么是向量数据库并为应用程序创建一个。
3️⃣有关如何将 RAG 集成到应用程序中的实际示例。
📖
第十六节：开源模型和Hugging Face
本节将学习使用 Hugging Face 上提供的开源模型的应用程序。
具体的要点有：
1️⃣了解开放源代码模型。
2️⃣了解使用开放源代码模型的好处。
3️⃣探索 Hugging Face 和 Azure AI Studio 上可用的开放模型。
📖
第十七节：AI Agents
本节将构建使用 AI 代理框架的应用程序。
具体的要点有：
1️⃣了解什么是 AI 代理。
2️⃣探索四个不同的 AI 代理框架 - 是什么使它们独一无二。
3️⃣将这些 AI 代理应用于不同的用例 - 何时应该使用 AI 代理。
📖
第十八节：微调LLM
本节将学习LLM 微调的内容、原因和方法。
具体的要点有：
1️⃣语言模型的微调是什么？
2️⃣何时以及为什么微调很有用？
3️⃣如何微调预先训练的模型？
4️⃣微调的限制是什么？
通过小编整理的课程内容，大家可以很轻松地了解到每一节课程的大概和要点，并根据自己需要进行学习。
相信大家通过课程都能够学会构建属于自己的生成式AI应用程序！！🥳
🔗 课程链接 ：
https://github.com/microsoft/generative-ai-for-beginners
关注「 向量光年 」公众号
加速全行业向AI的改变
关注「 开源AI项目落地 」公众号
与AI时代更靠近一点
关注「 AGI光年 」公众号
获取每日最新咨询
