History

localizeflow[bot] 7e63d9679a Fallback snapshot commit due to git add failure		2026-01-15 12:40:29 +00:00
..
etc	🌐 Update translations via Co-op Translator	2025-08-26 12:09:18 +00:00
examples	🌐 Update translations via Co-op Translator	2025-10-03 11:56:00 +00:00
lessons	Fallback snapshot commit due to git add failure	2026-01-15 12:40:29 +00:00
AGENTS.md	🌐 Update translations via Co-op Translator	2025-10-03 09:55:40 +00:00
README.md	Fallback snapshot commit due to git add failure	2026-01-15 12:40:29 +00:00
SECURITY.md	🌐 Update translations via Co-op Translator	2025-08-26 12:09:18 +00:00
troubleshoot.md	🌐 Update translations via Co-op Translator	2025-10-03 09:55:40 +00:00

README.md

初學者人工智能課程大綱


初學者人工智能 - 手繪筆記來自 @girlie_mac

透過我們為期12星期、共24課的課程大綱，探索人工智能（AI）的世界！內容包含實作課程、測驗及實驗室練習。此課程適合初學者，涵蓋TensorFlow及PyTorch等工具，以及AI倫理。

🌐 多語言支持

透過 GitHub Action 支持（自動及隨時更新）

想在本地複製整份課程？

此儲存庫包含超過50種語言的翻譯，會大幅增加下載大小。欲僅下載課程內容而不含翻譯，請使用稀疏檢出：
git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
cd AI-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
這讓你以更快的速度下載到完成課程所需的所有內容。

如果您希望支援其他語言翻譯，列表請見此處

加入社群

你將會學到什麼

課程心智圖

在此課程中，你將學會：

理解人工智能的不同方法，包括「傳統」符號方法的知識表示及推理 (GOFAI)。
現代AI核心的神經網絡與深度學習。我們將利用兩個最熱門框架的程式碼來說明這些重要主題 - TensorFlow與PyTorch。
針對影像與文字處理的神經網絡架構。將會涵蓋最新模型，但可能較少涉及最先進技術。
不那麼常見的AI方法，如基因演算法及多智能體系統。

此課程不涵蓋：

在我們的 Microsoft Learn 集合中尋找本課程的所有額外資源

商業案例中的AI應用。建議學習 Microsoft Learn 上的 Introduction to AI for business users 學習路徑，或與INSEAD合作開發的AI Business School。
經典機器學習，詳見本初學者機器學習課程。
利用 認知服務 實作的AI應用。我們建議先從 Microsoft Learn 的視覺(vision)、自然語言處理(natural language processing)、**Azure OpenAI 服務生成式AI**等模組開始。
特定的機器學習雲端框架，如 Azure Machine Learning、Microsoft Fabric、或Azure Databricks。可參考使用 Azure Machine Learning 建立及操作機器學習解決方案與使用 Azure Databricks 建立及操作機器學習解決方案學習路徑。
會話式AI及聊天機器人。有專門的建立聊天式AI解決方案學習路徑，也可參考此博客文章獲取更多資訊。
深入的深度學習數學。推薦閱讀 Ian Goodfellow、Yoshua Bengio 與 Aaron Courville 合著的深度學習，線上版本可見於 https://www.deeplearningbook.org/。

如欲溫和入門_雲端AI_主題，建議採用在 Azure 上開始人工智能學習路徑。

課程內容

	課程連結	PyTorch/Keras/TensorFlow	實驗室
0	課程設定	設定你的開發環境
I	AI 簡介
01	人工智能概述與歷史	-	-
II	符號式人工智能
02	知識表示與專家系統	專家系統 / 本體論 /概念圖
III	神經網絡簡介
03	感知器	筆記本	實驗
04	多層感知器與打造我們自己的框架	筆記本	實驗
05	框架簡介（PyTorch/TensorFlow）與過度擬合	PyTorch / Keras / TensorFlow	實驗
IV	電腦視覺	PyTorch / TensorFlow	在 Microsoft Azure 上探索電腦視覺
06	電腦視覺入門。OpenCV	筆記本	實驗
07	卷積神經網絡 & CNN 架構	PyTorch /TensorFlow	實驗
08	預訓練網絡與轉移學習和訓練技巧	PyTorch / TensorFlow	實驗
09	自編碼器與變分自編碼器（VAE）	PyTorch / TensorFlow
10	生成對抗網絡與藝術風格轉移	PyTorch / TensorFlow
11	物件偵測	TensorFlow	實驗
12	語意分割。U-Net	PyTorch / TensorFlow
V	自然语言處理	PyTorch /TensorFlow	在 Microsoft Azure 上探索自然語言處理
13	文本表示。詞袋模型（Bow）/ TF-IDF	PyTorch / TensorFlow
14	語意詞嵌入。Word2Vec 和 GloVe	PyTorch / TensorFlow
15	語言模型。訓練你自己的詞嵌入	PyTorch / TensorFlow	實驗
16	循環神經網絡	PyTorch / TensorFlow
17	生成式循環網絡	PyTorch / TensorFlow	實驗
18	Transformer。BERT。	PyTorch /TensorFlow
19	命名實體識別	TensorFlow	實驗
20	大型語言模型、提示程式設計與少量示範任務	PyTorch
VI	其他人工智能技術
21	基因算法	筆記本
22	深度強化學習	PyTorch /TensorFlow	實驗
23	多智能體系統
VII	人工智能倫理
24	人工智能倫理與負責任的人工智能	Microsoft Learn: 負責任的人工智能原則
IX	額外內容
25	多模態網絡，CLIP 及 VQGAN	筆記本

每個課程包含

預讀教材
可執行的 Jupyter 筆記本，通常針對特定框架（PyTorch 或 TensorFlow）。執行筆記本內含大量理論資料，理解主題需至少通過其中一個版本的筆記本（PyTorch 或 TensorFlow）。
部分主題提供實驗，給你機會將所學材料嘗試應用於特定問題。
部分章節包含指向相關主題的 Microsoft Learn 模組的連結。