# 初学者友好的 AI 示例 欢迎!本目录包含简单、独立的示例,旨在帮助您入门 AI 和机器学习。每个示例都设计为对初学者友好,并附有详细的注释和逐步的解释。 ## 📚 示例概览 | 示例 | 描述 | 难度 | 前置知识 | |------|------|------|----------| | [Hello AI World](../../../examples/01-hello-ai-world.py) | 您的第一个 AI 程序——简单的模式识别 | ⭐ 初学者 | Python 基础 | | [Simple Neural Network](../../../examples/02-simple-neural-network.py) | 从零开始构建一个神经网络 | ⭐⭐ 初学者+ | Python,基础数学 | | [Image Classifier](./03-image-classifier.ipynb) | 使用预训练模型对图像进行分类 | ⭐⭐ 初学者+ | Python,numpy | | [Text Sentiment](../../../examples/04-text-sentiment.py) | 分析文本情感(正面/负面) | ⭐⭐ 初学者+ | Python | ## 🚀 入门指南 ### 前置知识 确保您已安装 Python(推荐 3.8 或更高版本)。安装所需的包: ```bash # For Python scripts pip install numpy # For Jupyter notebooks (image classifier) pip install jupyter numpy pillow tensorflow ``` 或者使用主课程中的 conda 环境: ```bash conda env create --name ai4beg --file ../environment.yml conda activate ai4beg ``` ### 运行示例 **对于 Python 脚本 (.py 文件):** ```bash python 01-hello-ai-world.py ``` **对于 Jupyter 笔记本 (.ipynb 文件):** ```bash jupyter notebook 03-image-classifier.ipynb ``` ## 📖 学习路径 我们建议按顺序学习以下示例: 1. **从“Hello AI World”开始** - 学习模式识别的基础知识 2. **构建一个简单的神经网络** - 理解神经网络的工作原理 3. **尝试图像分类器** - 使用真实图像体验 AI 的实际应用 4. **分析文本情感** - 探索自然语言处理 ## 💡 初学者提示 - **仔细阅读代码注释** - 它们解释了每一行代码的作用 - **大胆尝试!** - 尝试修改参数,观察结果 - **不要担心无法完全理解** - 学习是一个循序渐进的过程 - **提出问题** - 使用 [讨论板](https://github.com/microsoft/AI-For-Beginners/discussions) ## 🔗 下一步 完成这些示例后,可以探索完整课程: - [AI 简介](../lessons/1-Intro/README.md) - [神经网络](../lessons/3-NeuralNetworks/README.md) - [计算机视觉](../lessons/4-ComputerVision/README.md) - [自然语言处理](../lessons/5-NLP/README.md) ## 🤝 贡献 觉得这些示例有帮助吗?欢迎帮助我们改进: - 报告问题或提出改进建议 - 添加更多适合初学者的示例 - 改进文档和注释 --- *记住:每个专家都曾是初学者。祝学习愉快! 🎓* --- **免责声明**: 本文档使用AI翻译服务[Co-op Translator](https://github.com/Azure/co-op-translator)进行翻译。尽管我们努力确保准确性,但请注意,自动翻译可能包含错误或不准确之处。应以原始语言的文档为权威来源。对于关键信息,建议使用专业人工翻译。因使用本翻译而引起的任何误解或误读,我们概不负责。