AI-For-Beginners/translations/sw
Pikachú 5d34bc4eb8 Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
..
etc Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
lessons Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
README.md Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
SECURITY.md Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00

README.md

GitHub license GitHub contributors GitHub issues GitHub pull-requests PRs Welcome

GitHub watchers GitHub forks GitHub stars Binder Gitter

Artificiell Intelligens för Nybörjare - En Lärplan

 Sketchnote av (@girlie_mac)
AI För Nybörjare - Sketchnote av @girlie_mac

Utforska världen av Artificiell Intelligens (AI) med vår 12-veckors, 24-lektioners lärplan! Den innehåller praktiska lektioner, quiz och labbar. Lärplanen är nybörjarvänlig och täcker verktyg som TensorFlow och PyTorch, samt etik inom AI.

Vad du kommer att lära dig

Mindmap av Kursen

I denna lärplan kommer du att lära dig:

  • Olika tillvägagångssätt för Artificiell Intelligens, inklusive den "gamla goda" symboliska metoden med Kunskapsrepresentation och resonemang (GOFAI).
  • Neurala Nätverk och Djupinlärning, som är centrala för modern AI. Vi kommer att illustrera koncepten bakom dessa viktiga ämnen med kod i två av de mest populära ramverken - TensorFlow och PyTorch.
  • Neurala Arkitekturer för att arbeta med bilder och text. Vi kommer att täcka aktuella modeller men kan vara något bristfälliga när det gäller det senaste inom området.
  • Mindre populära AI-metoder, såsom Genetiska Algoritmer och Multi-Agent System.

Vad vi inte kommer att täcka i denna lärplan:

Hitta alla ytterligare resurser för denna kurs i vår Microsoft Learn-samling

För en mjuk introduktion till ämnena AI i molnet kan du överväga att ta inlärningsvägen Kom igång med artificiell intelligens på Azure.

Innehåll

Länkar till lektioner PyTorch/Keras/TensorFlow Lab
0 Kursinställning Ställ in din utvecklingsmiljö
I Introduktion till AI
01 Introduktion och historia om AI - -
II Symbolisk AI
02 Kunskapsrepresentation och expertssystem Expertssystem / Ontologi /Begreppsgraf
III Introduktion till neurala nätverk
03 Perceptron Notebook Lab
04 Flerlagrad perceptron och skapa vårt eget ramverk Notebook Lab
05 Introduktion till ramverk (PyTorch/TensorFlow) och överanpassning PyTorch / Keras / TensorFlow Lab
IV Datorseende PyTorch / TensorFlow Utforska Datorseende på Microsoft Azure
06 Introduktion till Datorseende. OpenCV Notebook Laboratorium
07 Konvolutionella Neurala Nätverk & CNN-arkitekturer PyTorch /TensorFlow Laboratorium
08 Förtränade Nätverk och Överföringsinlärning och Träningsknep PyTorch / TensorFlow Laboratorium
09 Autoenkodare och VAE:er PyTorch / TensorFlow
10 Generativa Motstridiga Nätverk & Konstnärlig Stilöverföring PyTorch / TensorFlow
11 Objektdetektering TensorFlow Laboratorium
12 Semantisk Segmentering. U-Net PyTorch / TensorFlow
V Bearbetning av naturligt språk PyTorch /TensorFlow Utforska bearbetning av naturligt språk på Microsoft Azure
13 Textrepresentation. Bow/TF-IDF PyTorch / TensorFlow
14 Semantiska ordembeddings. Word2Vec och GloVe PyTorch / TensorFlow
15 Språkmodellering. Träna dina egna embeddings PyTorch / TensorFlow Laboratorium
16 Återkommande neurala nätverk PyTorch / TensorFlow
17 Generativa återkommande nätverk PyTorch / TensorFlow Laboratorium
18 Transformers. BERT. PyTorch /TensorFlow
19 Namngiven entitetsigenkänning TensorFlow Laboratorium
20 Stora språkmodeller, Prompt-programmering och Few-Shot-uppgifter PyTorch
VI Andra AI-tekniker
21 Genetiska algoritmer Anteckningsbok
22 Djup förstärkningsinlärning PyTorch /TensorFlow Laboratorium
23 Multi-agent system
VII AI Etik
24 AI Etik och Ansvarsfull AI Microsoft Learn: Ansvarsfulla AI-principer
IX Extra
25 Multi-modala nätverk, CLIP och VQGAN Anteckningsbok

Varje lektion innehåller

  • Förhandsläsningsmaterial
  • Exekverbara Jupyter-anteckningsböcker, som ofta är specifika för ramverket (PyTorch eller TensorFlow). Den exekverbara anteckningsboken innehåller också mycket teoretiskt material, så för att förstå ämnet behöver du gå igenom minst en version av anteckningsboken (antingen PyTorch eller TensorFlow).
  • Laboratorier tillgängliga för vissa ämnen, som ger dig möjlighet att försöka tillämpa det material du har lärt dig på ett specifikt problem.
  • Vissa avsnitt innehåller länkar till MS Learn moduler som täcker relaterade ämnen.

Komma igång

Följ dessa steg:

Forka repository: Klicka på "Fork"-knappen i det övre högra hörnet av denna sida.

Klona repository: git clone https://github.com/microsoft/AI-For-Beginners.git

Glöm inte att stjärna (🌟) detta repo för att lättare hitta det senare.

Möt andra studenter

Gå med i vår officiella AI Discord-server för att träffa och nätverka med andra studenter som tar denna kurs och få stöd.

Frågesporter

En anteckning om frågesporter: Alla frågesporter finns i mappen Quiz-app i etc\quiz-app, De är länkade från lektionerna, frågesportappen kan köras lokalt eller distribueras till Azure; följ instruktionerna i quiz-app mappen. De lokaliseras gradvis.

Hjälp önskas

Har du förslag eller har du upptäckt stavfel eller kodfel? Skapa ett ärende eller en pull-begäran.

Speciella tack

Andra kursplaner

Vårt team producerar andra kursplaner! Kolla in:

Ansvarsfriskrivning:
Detta dokument har översatts med hjälp av maskinbaserade AI-översättningstjänster. Även om vi strävar efter noggrannhet, var medveten om att automatiska översättningar kan innehålla fel eller oegentligheter. Det ursprungliga dokumentet på sitt modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller felaktiga tolkningar som uppstår från användningen av denna översättning.