2024年掌握人工智能的顶级课程

[AI 课程推荐] 谷歌、微软、哈佛大学, DeepLearning.AI都发布了免费的人工智能和ChatGPT的课程。
以下是 2024 年掌握人工智能的顶级课程:

  • GOOGLE - 生成式人工智能学习路径
  • 微软- 为每个人提供生成式人工智能
  • 微软 - 人工智能初学者入门
  • 哈佛 - CS50 的 Python 人工智能简介
  • DeepLearning.AI ——面向开发人员的 ChatGPT Prompt 工程课程
  • DeepLearning.AI-扩散模型如何工作
  • 台大李宏毅-生成式人工智能导论

一.GOOGLE - 生成式人工智能学习路径

Google近日推出了一条全新的生成式AI学习路径,这条学习路径旨在引导用户通过一系列精选内容,全面了解生成式AI产品和技术。该学习路径涵盖了从大型语言模型基础到如何在Google Cloud上创建和部署生成式AI解决方案的全方位内容。
在这里插入图片描述

课程地址:生成式 AI 学习路径

学习路径包括以下几个部分:

  1. 生成式AI简介:入门级微学习课程,旨在解释生成式AI是什么,它如何被使用,以及它与传统机器学习方法的区别。同时,课程还涵盖了Google的工具,以帮助你开发自己的生成式AI。
  2. 大型语言模型简介:入门级微学习课程,探讨了大型语言模型是什么,它们可以在哪些用例中被利用,以及如何使用提示调优来提高大型语言模型的性能。
  3. 负责任的AI简介:入门级微学习课程,旨在解释负责任的AI是什么,为什么它重要,以及Google如何在他们的产品中实施负责任的AI。
  4. 生成式AI基础:通过完成生成式AI简介、大型语言模型简介和负责任的AI简介课程,你可以获得一个技能徽章。通过通过最后的测验,你将展示你对生成式AI基础概念的理解。

此外,学习路径还包括了图像生成、编码器-解码器架构、注意力机制、Transformer模型和BERT模型、创建图像字幕模型、生成式AI工作室介绍以及生成式AI探索者 – Vertex AI等课程。

二.微软- 为每个人提供生成式人工智能

微软推出了一门专为初学者打造的关于生成式 AI 的课程,该课程内容丰富,包括 LLM 简介、提示工程基础知识、构建文本生成 / 聊天应用程序等。
在这里插入图片描述

课程地址:面向初学者的生成式人工智能课程

该课程总共 12 课时,每节课包含一个简短的主题视频介绍,课中讲解的项目还会有 Juypter Notebook 代码示例,除此之外,用户还能链接到额外的资源,进行更深入的学习。
接下来,我们看看每节课的主要内容是什么。

  • 课时 1:如何学习本门课程,主要介绍这门课程有哪些结构,让读者了解这门课程大概讲的是什么;
  • 课时 2:介绍生成式 AI 和LLM,让用户理解什么是生成式 AI 以及 LLM 是如何工作的;
  • 课时 3:探索和比较不同的LLM,学习完本课时,以后该用哪个模型都会一清二楚;
  • 课时 4:负责任地使用生成式AI,帮助用户了解基础模型的局限性和人工智能背后的风险;
  • 课时 5:理解提示工程基础,熟练掌握提示的结构和用法;
  • 课时6:如何创建高级提示,应用提示工程技术来改善提示的结果;
  • 课时 7:构建文本生成应用程序;
  • 课时8:构建聊天应用程序,学习完本课时,可以帮助用户构建一个图像生成应用程序;
  • 课时9:使用向量数据库构建搜索应用程序,示例展示了创建一个使用 Embeddings 搜索数据的应用程序;
  • 课时 10:构建低代码 AI应用程序;
  • 课时 11:集成外部应用程序与函数调用;
  • 课时 12:帮助开发者在开发生成式 AI 应用程序时应用 UX 设计原则。

三.微软 - 人工智能初学者入门

通过 Microsoft 为期 12 周、24 课时的课程探索人工智能(AI)世界!深入研究符号人工智能、神经网络、计算机视觉、自然语言处理等。实践课程、测验和实验可以增强您的学习能力。这本综合指南由专家设计,涵盖 TensorFlow、PyTorch 和道德人工智能原则,非常适合初学者。今天就开始你的人工智能之旅吧!”
在这里插入图片描述
课程地址:AI-For-Beginners

在本课程中,将学习:

  1. 人工智能的不同方法,包括带有知识表示和推理的“古老”符号方法(GOFAI)
  2. 神经网络和深度学习是现代人工智能的核心。我们将使用两个最流行的框架(TensorFlow和PyTorch)中的代码来说明这些重要主题背后的概念。
  3. 用于处理图像和文本的神经架构。我们将介绍最新的模型,但可能会缺乏一些最新的模型。
  4. 不太流行的人工智能方法,例如遗传算法和多代理系统。

四.哈佛 - CS50 的 Python 人工智能简介

CS50 的《Python 人工智能简介》探索了现代人工智能基础的概念和算法,深入探讨了游戏引擎、手写识别和机器翻译等技术的诞生。

在这里插入图片描述
课程地址:CS50’s Introduction to Artificial Intelligence with Python

通过实践项目,学生可以将图搜索算法、分类、优化、强化学习以及人工智能和机器学习中的其他主题融入到自己的 Python 程序中,从而了解它们背​​后的理论。在课程结束时,学生将获得机器学习图书馆的经验以及人工智能原理的知识,使他们能够设计自己的智能系统。

五.DeepLearning.AI——面向开发人员的 ChatGPT Prompt 工程课程

在这里插入图片描述

课程地址:ChatGPT Prompt Engineering for Developers

这是一个短期课程,由吴恩达的 DeepLearning.AI 与 OpenAI 共同制作。在这个课程中,您将学习如何使用大型语言模型 (LLM) 快速构建新的强大应用程序。 使用 OpenAI API,您将能够快速构建学习创新和创造价值的能力,而这在以前是成本高昂、技术含量高或根本不可能的。
这门短期课程由 Isa Fulford ( 来自 OpenAI ) 和吴恩达 ( 来自 DeepLearning.AI) 教授,将介绍 LLM 的工作原理,提供即时工程的最佳实践,并展示如何在应用程序中使用 LLM API 来执行各种任务,包括:

  • 总结(例如,总结用户评论)
  • 推断(例如,情感分类、主题提取)
  • 转换文本(例如,翻译、拼写和语法更正)
  • 扩展(例如,自动撰写电子邮件)

六.DeepLearning.AI-扩散模型如何工作(How Diffusion Models Work)

在扩散模型如何工作中,你将深入熟悉扩散过程和执行该过程的模型。本课程不仅仅是简单地引入预先构建的模型或使用 API,还将教你从头开始构建扩散模型。

在这里插入图片描述

课程地址:How-diffusion-models-work

在本课程中:

  • 探索基于扩散的生成人工智能的前沿世界,并从头开始创建您自己的扩散模型
  • 深入熟悉扩散过程及其驱动模型,超越预先构建的模型和 API。
  • 通过实验室采样、训练扩散模型、构建用于噪声预测的神经网络以及添加用于个性化图像生成的上下文,获得实用的编码技能。

七.台大李宏毅-生成式人工智能导论

这门课程旨在以易于理解的方式介绍生成式人工智慧的基础知识。本课程不预设学生有预先修过机器学习相关课程,学生可以在完成此课程后再修习机器学习相关课程;但另一方面,本课程与电机系的机器学习相关课程没有太多重叠内容,因此修过机器学习课程的学生也可以在这门课有所收穫。
在这里插入图片描述

课程网站:生成式人工智能导论
附b站资源:李宏毅2024春《生成式人工智能导论》

在本课程中你将会学到以下内容:

  1. 生成式人工智慧基本概念。近年来,生成式人工智慧在各行各业中得到广泛讨论。本课程将从机器学习的基本概念出发,说明何谓生成式人工智慧,并探讨其所面临的独特挑战。

  2. 文字生成技术。大型语言模型如ChatGPT和Bard已经逐渐融入我们的生活和工作中。本课程将解析这些模型如何通过网路上的大量资料进行学习,以及如何学会理解和回应人类的指令。我们还将探讨如何利用现有的大型语言模型工具来创建自己的人工智慧应用,并且体验如何训练自己的模型。

  3. 优化生成式人工智慧的性能。通过适当的指令(Prompt)来引导大型语言模型是实现高效生成的关键。本课程将介绍如何通过不同的指令策略来提升模型的能力,并探讨如何利用反思技术来获得更准确的答案。

  4. 工具与生成式人工智慧的结合。生成式人工智慧能够结合搜寻引擎、计算机等多种工具来增强其性能。本课程将探讨工具的使用如何影响生成式人工智慧的效能。

  5. 生成式人工智慧的道德与挑战。随著生成式人工智慧的普及,其带来的道德议题也越来越受到关注。本课程将探讨人工智慧可能产生的偏见、歧视以及如何自动检测人工智慧生成的文本和语音等相关议题,并讨论如何针对这些问题提出解决方案。

  6. 语音生成技术。现代的语音合成技术已经达到了非常拟真的程度,能够模仿不同人的声音并具有自然的抑扬顿挫。本课程将深入解析这些技术的工作原理,并展示一些实际的应用例子。

  7. 视觉生成技术。视觉生成模型如DALL-E已在广告创作等应用中开始发挥作用,本课程将说明模型学习绘图的原理,展示一些实际的应用案例,并体验客制化自己的视觉生成模型。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/735130.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

论文阅读--A Survey of Meta-Reinforcement Learning

论文概述 本文是一篇关于元强化学习(Meta Reinforcement Learning)的综述。元强化学习是将改进强化学习算法的发展看作是一个机器学习问题的方法,通过在给定任务分布的情况下学习一个能够适应任何新任务的策略,来提高强化学习算法…

mysql的安装启动

下载 2.解压后放在某个目录下: 3.修改系统变量 4.修改配置文件 (创建一个ini文件放在解压后的目录下) 内容如下 5.初始化mysql 1.用管理员模式下输入: mysqld --initialize --console C:\WINDOWS\system32>mysqld --initia…

今天就分享一下如何提前前端游戏的效率工作问题(自己工作经验得出来的)

比如给到一个新的功能,涉及的逻辑可能简单可能复杂,无论是哪一种,你都要做以下这几点我个人是觉得可以提升效率这一块的... 第一:你做的时候或者做的过程中如果遇到问题卡你半个小时以上的,那么这个你千万不要在埋头苦…

Java面试必考题之线程的生命周期,结合源码,透彻讲解!

写在开头 在前面的几篇博客里,我们学习了Java的多线程,包括线程的作用、创建方式、重要性等,那么今天我们就要正式踏入线程,去学习更加深层次的知识点了。 第一个需要学的就是线程的生命周期,也可以将之理解为线程的…

Springboot jpa 查询排序Sort,分页Page使用报错

一.Sort 报错信息&#xff1a; “Sort(org.springframework.data.domain.Sort.Direction, java.util.List<java.lang.String>) has private access in org.springframework.data.domain.Sort” 原因&#xff1a; 使用Sort sort new Sort(Sort.Direction.DESC, "…

orm之SQLAlchemy

SQLAlchemy 1.介绍 SQLAlchemy是一个基于Python实现的ORM框架。该框架建立在 DB API之上&#xff0c;使用关系对象映射进行数据库操作&#xff0c;简言之便是&#xff1a;将类和对象转换成SQL&#xff0c;然后使用数据API执行SQL并获取执行结果。 pip3 install sqlalchemy组…

JVM运行时数据区——对象的实例化内存布局与访问定位

文章目录 1、对象的实例化1.1、创建对象的方式1.2、创建对象的步骤 2、对象的内存布局3、对象的访问定位3.1、对象访问的定位方式3.2、使用句柄访问3.3、使用指针访问 4、小结 平时大家经常使用new关键字来创建对象&#xff0c;那么我们创建对象的时候&#xff0c;怎么去和运行…

ABAP接口-RFC连接(ABAP TO ABAP)

目录 ABAP接口-RFC连接&#xff08;ABAP TO ABAP&#xff09;创建ABAP连接RFC函数的调用 ABAP接口-RFC连接&#xff08;ABAP TO ABAP&#xff09; 创建ABAP连接 事务代码&#xff1a;SM59 点击创建&#xff0c;填写目标名称&#xff0c;选择连接类型&#xff1a; 填写主机名…

Vue动态绑定样式

虽然经常使用动态绑定样式的方法&#xff0c;但有时候突然要用&#xff0c;一瞬间还是会有点困惑&#xff0c;决定记录一下&#xff0c;方便混乱的时候查阅。 绑定 HTML class 绑定对象 <div :class"{ active: isActive }"></div> <divclass"…

pycharm查看Tensor的完整数据

通常debug时&#xff0c;Tensor的数据呈现如下图&#xff0c;只显示开头几个值和结尾几个值&#xff0c;中间被省略&#xff1a; 解决方法&#xff1a; 右击想查看的数据&#xff0c;选择Evaluate Expression 输入如下命令&#xff0c;就会出现View as Array提示&#xff0c;…

鸿蒙Harmony应用开发—ArkTS声明式开发(基础手势:LoadingProgress)

用于显示加载动效的组件。 说明&#xff1a; 该组件从API Version 8开始支持。后续版本如有新增内容&#xff0c;则采用上角标单独标记该内容的起始版本。 子组件 无 接口 LoadingProgress() 创建加载进展组件。 从API version 9开始&#xff0c;该接口支持在ArkTS卡片中使…

2024年k8s最新版本使用教程

2024年k8s最新版本使用教程 3. YAML语言入门3.1 基本语法规则3.2 支持的数据结构3.3 其他语法 4 资源管理4.1 k8s资源查询4.2 资源操作命令4.3 资源操作方式4.3.1 命令行方式4.3.2 YAML文件方式 5 Namespace5.1 查看命名空间5.2 创建命名空间5.3 删除命名空间5.4 命名空间资源限…

API接口商品竞品价格监控,品牌维权

第一步&#xff1a;确定监控目标 在开始之前&#xff0c;需要明确监控哪些竞品及其相关属性&#xff0c;如产品名称、SKU、价格、促销信息等。此外&#xff0c;设定监控频率和关键绩效指标&#xff08;KPIs&#xff09;&#xff0c;例如价格变动幅度、变动频率等&#xff0c;以…

脚本自动化 设置快捷方式并设置为管理员运行

自动化创建快捷方式并设置为始终以管理员权限运行&#xff0c;可以通过编写批处理脚本来实现。以下是一个创建.bat批处理文件快捷方式并设置为管理员运行的示例脚本&#xff1a; batch echo off set SCRIPT_PATH"C:\Scripts\myScript.bat" set SHORTCUT_PATH"%…

TenantLineHandler 在 MyBatis Plus 中处理多租户场景

TenantLineHandler 在 MyBatis Plus 中通常用于处理多租户场景。多租户是指在一个软件实例中&#xff0c;能够同时处理多个不同的租户数据&#xff0c;并且保证数据之间的隔离性。在多租户应用中&#xff0c;通常需要在 SQL 查询中加入额外的条件&#xff0c;以确保每个租户只能…

计算机组成原理之机器:输入输出系统

计算机组成原理之机器&#xff1a;输入输出系统 笔记来源&#xff1a;哈尔滨工业大学计算机组成原理&#xff08;哈工大刘宏伟&#xff09; Chater3&#xff1a;输入输出系统 3.1 输入输出系统的发展概况 早期阶段 外部设备与主机之间采用分散连接&#xff0c;即每一个设备都…

什么是微隔离技术?

微隔离产生的背景 首先来看下南北向流量以及东西向流量的含义 南北向流量 指通过网关进出数据中心的流量&#xff0c;在云计算数据中心&#xff0c;处于用户业务虚拟机&#xff08;容器&#xff09;跟外部网络之间的流量&#xff0c;一般来说防火墙等安全设备部署在数…

数组的访问2

1.数组的索引 数组的索引即数组的下标&#xff0c;使用下标查找到当前位置的数组中的值&#xff08;注意&#xff1a;数组下标是从0开始的&#xff09; public class ArrayDemo2 {public static void main(String[] args) {// 数组的索引int[] age {12,22,31};// 1.根据索引…

python控制语句-1.2

目录 循环结构 while循环 for循环 循环结构练习-1 循环嵌套 循环结构练习-2 循环控制语句&#xff08;continue & break&#xff09; 循环结构 while循环 语法 Python 编程中 while 语句用于循环执行程序&#xff0c;即在某条件下&#xff0c;循环执行某段程序&am…

Spring依赖注入的方式

目录 1. Setter注入 2. 构造器注入 3. 字段注入 4. 方法注入 5. 接口注入 6. Lookup注入 7. 注解注入 Spring框架提供了多种依赖注入&#xff08;DI&#xff09;的方式来管理对象之间的依赖关系。以下是Spring支持的依赖注入方式&#xff1a; 1. Setter注入 定义&…