 |
|---|
| AI kezdőknek – Sketchnote @girlie_mac jóvoltából |
Fedezd fel a mesterséges intelligencia (MI) világát 12 hetes, 24 leckéből álló tananyagunkkal! Gyakorlati leckék, kvízek és laborok is részei. A tananyag kezdőbarát, és olyan eszközöket ölel fel, mint a TensorFlow és PyTorch, valamint érinti az MI etikai kérdéseit.
Arab | Bengáli | Bolgár | Burmese (Myanmar) | Kínai (egyszerűsített) | Kínai (hagyományos, Hong Kong) | Kínai (hagyományos, Macau) | Kínai (hagyományos, Tajvan) | Horvát | Cseh | Dán | Holland | Észt | Finn | Francia | Német | Görög | Héber | Hindi | Magyar | Indonéz | Olasz | Japán | Kannada | Khmer | Koreai | Litván | Maláj | Malayalam | Marathi | Nepáli | Nigeriai pidzsine | Norvég | Perzsa (Fárszi) | Lengyel | Portugál (Brazília) | Portugál (Portugália) | Pandzsábi (Gurmukhi) | Román | Orosz | Szerb (cirill) | Szlovák | Szlovén | Spanyol | Szuahéli | Svéd | Tagalog (filippínó) | Tamil | Telugu | Thai | Török | Ukrajnai | Urdu | Vietnámi
Szeretnéd helyben klónozni?
Ez a tárhely több mint 50 nyelvi fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítások nélkül szeretnéd klónozni, használd a sparse checkoutot:
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"Így minden szükséges anyagot megkapsz a tanfolyam teljesítéséhez, sokkal gyorsabb letöltéssel.
Ha további fordítási nyelveket szeretnél támogatni, azok listája itt található
Ebben a tananyagban megtanulod:
- A mesterséges intelligencia különböző megközelítéseit, beleértve a „jó öreg” szimbolikus megközelítést a tudásábrázolással és a következtetéssel (GOFAI).
- A neurális hálózatokat és a mélytanulást, amelyek a modern MI alapját képezik. E fontos témák mögött álló fogalmakat két népszerű keretrendszer – a TensorFlow és a PyTorch – kódpéldáival mutatjuk be.
- Neurális architektúrákat képek és szövegek feldolgozásához. Lefedjük a legfrissebb modelleket, bár az élvonalbeli megoldásokban lehet némi hiányosság.
- Kevésbé népszerű MI megközelítéseket, mint a genetikus algoritmusok és a többügynökös rendszerek.
Amit nem fedünk le ebben a tananyagban:
A tanfolyamhoz tartozó további összes forrás megtalálható a Microsoft Learn gyűjteményünkben
- Az üzleti MI alkalmazások eseteit. Érdemes megfontolni a Bevezetés az üzleti felhasználók mesterséges intelligenciájába tanulási útvonalat a Microsoft Learn-en, vagy az AI Business School programot, amelyet az INSEAD együttműködésével fejlesztettek ki.
- A klasszikus gépi tanulást, amelyet részletesen bemutat a Gépi tanulás kezdőknek tananyag.
- A gyakorlati MI alkalmazásokat, amelyeket Kognitív szolgáltatásokkal építenek. Ehhez ajánlott a Microsoft Learn moduljaiban kezdeni a látásfeldolgozással, természetes nyelvfeldolgozással, Generatív MI az Azure OpenAI Szolgáltatással és másokkal.
- Konkrét ML felhőkeretrendszereket, mint az Azure Machine Learning, Microsoft Fabric vagy Azure Databricks. Érdemes fontolóra venni az Azure Machine Learning használatával gépi tanulási megoldások fejlesztése és üzemeltetése és a Gépi tanulási megoldások fejlesztése és üzemeltetése Azure Databricks használatával tanulási útvonalakat.
- A konverzációs MI-t és chatbotokat. Erre külön Konverzációs MI megoldások létrehozása tanulási útvonal érhető el, és további részletekért olvasható ez a blogbejegyzés.
- A mélytanulás mögöttes matematikáját. Ehhez ajánljuk Ian Goodfellow, Yoshua Bengio és Aaron Courville Deep Learning című könyvét, amely online is elérhető itt.
A felhőben történő MI finom bevezetéséhez érdemes megfontolni a Ismerkedés a mesterséges intelligenciával Azure-on tanulási útvonalat.
- Előolvasási anyag
- Végrehajtható Jupyter jegyzetfüzetek, amelyek gyakran keretrendszer-specifikusak (PyTorch vagy TensorFlow). A végrehajtható jegyzetfüzet sok elméleti anyagot is tartalmaz, ezért a témakör megértéséhez legalább az egyik verziót végig kell menni (akár PyTorch, akár TensorFlow).
- Egyes témákhoz elérhetőek Laborok, amelyek lehetőséget adnak a megtanult anyag egy adott problémára való alkalmazásának kipróbálására.
- Néhány szakasz tartalmaz linkeket MS Learn modulokhoz, amelyek kapcsolódó témákat fednek le.
Ha teljesen új vagy az AI-ban és gyors, gyakorlati példákat szeretnél, nézd meg Kezdőknek szánt példáinkat! Ezek tartalmazzák:
- 🌟 Hello AI Világ - az első AI programod (mintafelismerés)
- 🧠 Egyszerű neurális hálózat - építs neurális hálózatot az alapoktól
- 🖼️ Kép osztályozó - képek osztályozása részletes megjegyzésekkel
- 💬 Szöveg érzelmelemzés - pozitív/negatív szövegek elemzése
Ezek a példák segítenek megérteni az AI fogalmait, mielőtt belemerülnél a teljes tananyagba.
- Létrehoztunk egy beállító tananyagot, amely segít a fejlesztői környezeted beállításában.
- Oktatók számára készítettünk egy tananyagbeállító leckét is!
- Hogyan futtasd a kódot VSCode-ban vagy Codespace-ben
Kövesd ezeket a lépéseket:
Forkold a tárhelyet: Kattints a "Fork" gombra a képernyő jobb felső sarkában.
Klónozd a tárhelyet: git clone https://github.com/microsoft/AI-For-Beginners.git
Ne felejts el csillagozni (🌟) ezt a repót, hogy később könnyebben megtaláld.
Csatlakozz hivatalos AI Discord szerverünkhöz, hogy találkozz és hálózatot építs más, ugyanezt a kurzust végző tanulókkal, és kérj támogatást.
Ha visszajelzésed vagy kérdésed van a termékkel kapcsolatban építés közben, látogass el az Azure AI Foundry fejlesztői fórumra.
Megjegyzés a kvízekről: Minden kvíz megtalálható a Quiz-app mappában az etc\quiz-app alatt, vagy online itt. Ezek a leckékből hivatkozhatók, a kvíz alkalmazás helyben is futtatható vagy telepíthető Azure-ra; kövesd az útmutatót a
quiz-appmappában. Fokozatosan lokalizálják őket.
Van javaslatod vagy találtál helyesírási vagy kódhibákat? Hozz létre egy hibajegyet vagy pull request-et.
- ✍️ Elsődleges szerző: Dmitry Soshnikov, PhD
- 🔥 Szerkesztő: Jen Looper, PhD
- 🎨 Sketchnote illusztrátor: Tomomi Imura
- ✅ Kvízkészítő: Lateefah Bello, MLSA
- 🙏 Fő hozzájárulók: Evgenii Pishchik
Csapatunk más tananyagokat is készít! Nézd meg:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Ha elakadsz vagy kérdéseid vannak AI alkalmazások fejlesztése közben, csatlakozz más tanulókhoz és tapasztalt fejlesztőkhöz az MCP fórumán. Ez egy támogató közösség, ahol a kérdések szívesen látottak és a tudás szabadon megosztott.
Ha termékvisszajelzésed vagy hibajelentésed van építés közben, látogass el:
Nyilatkozat:
Ezt a dokumentumot az AI fordító szolgáltatás Co-op Translator segítségével fordítottuk le. Bár igyekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások tartalmazhatnak hibákat vagy pontatlanságokat. Az eredeti dokumentum a saját nyelvén tekintendő hiteles forrásnak. Kritikus információk esetén szakmai, emberi fordítást javaslunk. Nem vállalunk felelősséget az ebből a fordításból eredő félreértésekért vagy helytelen értelmezésekért.