當前位置: 妍妍網 > 碼農

50.3k星星,微軟的免費AI課程已開源,大廠的AI課品質是真的高

2024-07-01碼農

隨著人工智慧近幾年的爆火,網上有關AI的教學課程層出不窮......

但網課的價格令許多想學習AI的小白們望而止步😩

價格動輒上千甚至上萬......

而且此類網課大部份都是割韭菜......🤔🤔

But........AI小白們的春天來啦!!

Now !! 微軟 釋出了一整套適合初學者的免費生成式人工智慧課程!!🥳

GitHub上的收藏量已高達 50.3K !!🤩

此篇文章我們會對每一節課程進行介紹和總結。

大家不要錯過!!速速轉發收藏起來!👏

掃碼加入AI交流群

獲得更多技術支持和交流

介紹

課程共18節課,教授你開始構建生成式 AI 應用程式所需了解的一切!

下面我們對每一節課程進行介紹和要點總結。

📖第一節:介紹生成式AI和大語言模型(LLM)

本節課程會為大家講述什麽是生成式人工智慧以及大型語言模型 (LLM) 如何工作,以及它如何徹底改變各個行業,特別是教育。

具體的要點有:

1️⃣生成式 AI 以及我們如何登陸當前技術格局。

2️⃣大型語言模型的內部工作。

3️⃣大型語言模型的主要功能和實際用例。

📖 第二節:探索和比較不同的大語言模型(LLM)

本節主要講述如何為你的套用情形選擇正確的模型。

具體的要點有:

1️⃣測試叠代和比較 Azure 中用例的不同模型。

2️⃣如何部署 LLM。


📖 第三節:負責地使用生成式AI

本節將講述如何采取積極步驟來改進 AI 使用情況和如何有效的構建生成式AI應用程式。

具體的要點有:

1️⃣構建生成式 AI 應用程式應優先考慮負責任的 AI 的原因。

2️⃣負責任的 AI 的核心原則及其與生成式AI 的關系。

3️⃣如何透過策略和工具將這些負責任的 AI 原則付諸實踐。

📖 第四節:了解提示工程的基礎知識

本節將動手實踐提示工程中的最佳例項,並了解如何構造提示、迴圈存取它們並驗證其有效性。

具體的要點有:

1️⃣解釋什麽是提示工程,以及為什麽它很重要。

2️⃣描述提示的元件及其使用方式。

3️⃣了解提示工程的最佳做法和技術。

4️⃣使用 OpenAI 終結點將學習的技術套用於實際範例。

📖 第五節:建立高級提示

本節將學習如何套用提示工程技術來改善提示的結果。

具體的要點有:

1️⃣套用提高提示結果的提示工程技術。

2️⃣配置提示以改變輸出。

📖 第六節:構建文本生成應用程式

本節將學習構建使用 Azure OpenAI/OpenAI API 的文本生成應用程式。

具體的要點有:

1️⃣了解 OpenAI 庫及其核心概念。

2️⃣使用 OpenAI 生成文本生成套用。

3️⃣了解如何使用提示、溫度和tokens等概念生成文本生成套用。

📖 第七節:構建聊天應用程式

本節將學習有效構建和整合聊天應用程式的技術。

具體的要點有:

1️⃣用於高效構建和整合聊天應用程式的技術。

2️⃣如何對應用程式套用自訂和微調。

3️⃣有效監視聊天應用程式的策略和註意事項。

📖 第八節:構建搜尋套用向量資料庫

本節將學習使用 Embeddings 搜尋數據的搜尋應用程式。

具體的要點有:

1️⃣語意搜尋與關鍵字搜尋。

2️⃣什麽是文本嵌入。

3️⃣建立文本嵌入索引。

4️⃣搜尋文本嵌入索引。

📖 第九節:構建影像生成應用程式

本節將學習構建影像生成應用程式。

具體的要點有:

1️⃣影像生成及其有用原因。

2️⃣什麽是DALL-E 和 Midjourney,以及他們的工作原理。

3️⃣如何生成映像生成套用。

📖 第十節:構建低程式碼應用程式

本節講述如何使用低程式碼工具構建生成式 AI 應用程式。

具體的要點有:

1️⃣Power Platform 中的生成 AI 簡介。

2️⃣Copilot 簡介以及如何使用它。

3️⃣使用生成 AI 在 Power Platform 中生成套用和流。

4️⃣使用 AI Builder 了解 Power Platform 中的 AI 模型。

📖 第十一節:透過函式呼叫整合外部應用程式

本節講述麽是函式呼叫及其應用程式的用例。

具體的要點有:

1️⃣解釋什麽是函式呼叫及其用例。

2️⃣使用 Azure OpenAI 建立函式呼叫。

3️⃣如何將函式呼叫整合到應用程式中。

📖 第十二節:為AI應用程式設計使用者體驗

本節講述在開發生成式 AI 應用程式時如何套用使用者體驗( UX )設計原則。

具體的要點有:

1️⃣使用者體驗和了解使用者需求簡介。

2️⃣設計 AI 應用程式以保持信任和透明度。

3️⃣設計 AI 應用程式進行協作和反饋。

📖 第十三節:保護你的生成式AI應用程式

本節將了解AI系統面臨的威脅和風險以及保護這些系統的方法。

具體的要點有:

1️⃣AI 系統上下文中的安全性。

2️⃣AI 系統的常見風險和威脅。

3️⃣保護 AI 系統的方法和註意事項。

📖 第十四節:生成式AI應用程式的生命周期

本節將學習管理 LLM 生命周期和 LLMOps 的工具和指標。

具體的要點有:

1️⃣了解 MLOps 到 LLMOps 的範例轉變。

2️⃣LLM 生命周期。

3️⃣生命周期工具。

4️⃣生命周期計量和評估。

📖 第十五節:檢索增強生成(RAG)和向量資料庫

本節將學習使用 RAG 框架從向量資料庫中檢索嵌入的應用程式。

具體的要點有:

1️⃣RAG 簡介、它是什麽以及它為何在 AI中使用。

2️⃣了解什麽是向量資料庫並為應用程式建立一個。

3️⃣有關如何將 RAG 整合到應用程式中的實際範例。

📖 第十六節:開源模型和Hugging Face

本節將學習使用 Hugging Face 上提供的開源模型的應用程式。

具體的要點有:

1️⃣了解開放原始碼模型。

2️⃣了解使用開放原始碼模型的好處。

3️⃣探索 Hugging Face 和 Azure AI Studio 上可用的開放模型。

📖 第十七節:AI Agents

本節將構建使用 AI 代理框架的應用程式。

具體的要點有:

1️⃣了解什麽是 AI 代理。

2️⃣探索四個不同的 AI 代理框架 - 是什麽使它們獨一無二。

3️⃣將這些 AI 代理套用於不同的用例 - 何時應該使用 AI 代理。

📖 第十八節:微調LLM

本節將學習LLM 微調的內容、原因和方法。

具體的要點有:

1️⃣語言模型的微調是什麽?

2️⃣何時以及為什麽微調很有用?

3️⃣如何微調預先訓練的模型?

4️⃣微調的限制是什麽?

透過小編整理的課程內容,大家可以很輕松地了解到每一節課程的大概和要點,並根據自己需要進行學習。

相信大家透過課程都能夠學會構建屬於自己的生成式AI應用程式!!🥳

🔗 課程連結

https://github.com/microsoft/generative-ai-for-beginners

關註「 向量光年 」公眾號

加速全行業向AI的改變

關註「 開源AI計畫落地 」公眾號

與AI時代更靠近一點

關註「 AGI光年 」公眾號

獲取每日最新咨詢