这个项目能做什么

微软的《人工智能入门》是一门面向初学者的开源课程，旨在通过 12 周共 24 节课引导学习者掌握人工智能的核心概念。该课程是对团队其他课程（如《机器学习入门》和《数据科学入门》）的有益补充。 课程内容涵盖经典与现代的人工智能方法，包括符号人工智能与知识表示、神经网络与深度学习、图像与文本架构，以及遗传算法和多智能体系统等较少主流的主题。每节课均配有可执行的 Jupyter 笔记本，主要提供 PyTorch 或 TensorFlow/Keras 版本，许多主题还包含实验室环节，让学习者能够将所学知识应用于具体问题。此外，课程还包括测验、速记图以及指向相关 Microsoft Learn 模块的链接。 关键主题包括感知机、多层感知机、卷积神经网络、迁移学习、自编码器、生成对抗网络（GAN）、目标检测、语义分割、文本表示、词嵌入、循环神经网络（RNN）、Transformer 与 BERT、大语言模型与提示编程、深度强化学习、多智能体系统，以及基于负责任人工智能原则的 AI 伦理。额外材料还涵盖了 CLIP 和 VQGAN 等多模态模型。 该代码仓库包含课程设置指南、在 VS Code 或 Codespace 中运行代码的说明，以及面向初学者的示例脚本，介绍模式识别、构建小型神经网络、图像分类和情感分析等内容。仓库支持 50 多种语言翻译，这些翻译通过自动化生成并维护，同时提供稀疏检出命令，方便希望减少下载体积（不含翻译文件）的用户。 我们鼓励社区通过提交 issue 和拉取请求参与贡献，学习者也可加入官方的 Microsoft Foundry Discord 服务器进行讨论与获取支持。本课程主要作者为 Dmitry Soshnikov，由 Jen Looper 编辑，Tomomi Imura 绘制速记图，Lateefah Bello 负责测验部分。