# 初學者友善的 AI 範例 歡迎!此目錄包含簡單、獨立的範例,幫助您開始學習 AI 和機器學習。每個範例都設計為適合初學者,並附有詳細的註解和逐步解說。 ## 📚 範例概覽 | 範例 | 描述 | 難度 | 先決條件 | |------|------|------|----------| | [Hello AI World](../../../examples/01-hello-ai-world.py) | 您的第一個 AI 程式 - 簡單的模式識別 | ⭐ 初學者 | Python 基礎 | | [Simple Neural Network](../../../examples/02-simple-neural-network.py) | 從零開始建立神經網絡 | ⭐⭐ 初學者+ | Python、基礎數學 | | [Image Classifier](./03-image-classifier.ipynb) | 使用預訓練模型進行圖像分類 | ⭐⭐ 初學者+ | Python、numpy | | [Text Sentiment](../../../examples/04-text-sentiment.py) | 分析文本情感(正面/負面) | ⭐⭐ 初學者+ | Python | ## 🚀 開始使用 ### 先決條件 請確保您已安裝 Python(建議使用 3.8 或更高版本)。安裝所需的套件: ```bash # For Python scripts pip install numpy # For Jupyter notebooks (image classifier) pip install jupyter numpy pillow tensorflow ``` 或者使用主課程中的 conda 環境: ```bash conda env create --name ai4beg --file ../environment.yml conda activate ai4beg ``` ### 執行範例 **對於 Python 腳本 (.py 檔案):** ```bash python 01-hello-ai-world.py ``` **對於 Jupyter 筆記本 (.ipynb 檔案):** ```bash jupyter notebook 03-image-classifier.ipynb ``` ## 📖 學習路徑 我們建議按照以下順序進行學習: 1. **從 "Hello AI World" 開始** - 學習模式識別的基礎 2. **建立簡單的神經網絡** - 理解神經網絡的運作方式 3. **嘗試圖像分類器** - 使用真實圖像體驗 AI 的應用 4. **分析文本情感** - 探索自然語言處理 ## 💡 初學者提示 - **仔細閱讀程式碼註解** - 它們解釋了每行程式碼的作用 - **多嘗試!** - 嘗試更改數值並觀察結果 - **不用擔心完全理解** - 學習需要時間 - **提出問題** - 使用 [討論板](https://github.com/microsoft/AI-For-Beginners/discussions) ## 🔗 下一步 完成這些範例後,探索完整課程: - [AI 簡介](../lessons/1-Intro/README.md) - [神經網絡](../lessons/3-NeuralNetworks/README.md) - [電腦視覺](../lessons/4-ComputerVision/README.md) - [自然語言處理](../lessons/5-NLP/README.md) ## 🤝 貢獻 覺得這些範例有幫助嗎?幫助我們改進: - 回報問題或提出改進建議 - 添加更多適合初學者的範例 - 改善文件和註解 --- *記住:每位專家都曾是初學者。祝您學習愉快! 🎓* --- **免責聲明**: 本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯,但請注意,自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊,建議使用專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解釋不承擔責任。