AI-For-Beginners/translations/hu
leestott 45becd0072 🌐 Update translations via Co-op Translator 2025-08-26 01:51:51 +00:00
..
etc 🌐 Update translations via Co-op Translator 2025-08-26 01:51:51 +00:00
lessons 🌐 Update translations via Co-op Translator 2025-08-26 01:51:51 +00:00
README.md 🌐 Update translations via Co-op Translator 2025-08-26 01:51:51 +00:00
SECURITY.md 🌐 Update translations via Co-op Translator 2025-08-26 01:51:51 +00:00

README.md

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

GitHub watchers
GitHub forks
GitHub stars
Binder
Gitter

Mesterséges Intelligencia Kezdőknek - Tananyag

 Sketchnote by (@girlie_mac)
Mesterséges Intelligencia Kezdőknek - Sketchnote készítette: @girlie_mac

Fedezd fel a Mesterséges Intelligencia (MI) világát 12 hetes, 24 leckéből álló tananyagunkkal! Gyakorlati leckéket, kvízeket és laborokat tartalmaz. A tananyag kezdőbarát, és olyan eszközöket mutat be, mint a TensorFlow és a PyTorch, valamint az MI etikai kérdéseit is tárgyalja.

Amit megtanulsz

A kurzus gondolattérképe

Ebben a tananyagban megtanulod:

  • A mesterséges intelligencia különböző megközelítéseit, beleértve a "régi jó" szimbolikus megközelítést Tudásreprezentációval és érveléssel (GOFAI).
  • Neurális hálózatokat és mélytanulást, amelyek a modern MI alapját képezik. Ezeket a fontos témákat két népszerű keretrendszer - TensorFlow és PyTorch - kódjain keresztül illusztráljuk.
  • Neurális architektúrákat képek és szövegek feldolgozására. Bár a legújabb modelleket is érintjük, nem feltétlenül fedjük le a legkorszerűbbeket.
  • Kevésbé népszerű MI megközelítéseket, mint például a Genetikus Algoritmusok és a Többügynökös Rendszerek.

Amit nem fogunk lefedni ebben a tananyagban:

Minden további forrást megtalálsz a kurzushoz a Microsoft Learn gyűjteményünkben

Egy könnyed bevezetéshez az MI a felhőben témákhoz érdemes lehet elvégezni a Bevezetés a mesterséges intelligenciába az Azure-on tanulási utat.

Tartalom

Lecke Link PyTorch/Keras/TensorFlow Labor
0 Kurzus beállítása Fejlesztési környezet beállítása
I Bevezetés az MI-be
01 Bevezetés és az MI története - -
II Szimbolikus MI
02 Tudásreprezentáció és szakértői rendszerek Szakértői rendszerek / Ontológia /Fogalmi gráf
III Bevezetés a neurális hálózatokba
03 Perceptron Notebook Labor
04 Többrétegű perceptron és saját keretrendszer létrehozása Notebook Labor
05 Bevezetés a keretrendszerekbe (PyTorch/TensorFlow) és túltanulás PyTorch / Keras / TensorFlow Labor
IV Számítógépes látás PyTorch / TensorFlow Fedezd fel a számítógépes látást a Microsoft Azure-on
06 Bevezetés a számítógépes látásba. OpenCV Notebook Labor
07 Konvolúciós neurális hálózatok & CNN Architektúrák PyTorch /TensorFlow Labor
08 Előre betanított hálózatok és transzfer tanulás és Tanítási trükkök PyTorch / TensorFlow Lab
09 Autoenkóderek és VAEs PyTorch / TensorFlow
10 Generatív adverszárius hálózatok és művészi stílusátvitel PyTorch / TensorFlow
11 Objektumfelismerés TensorFlow Lab
12 Szemantikus szegmentáció. U-Net PyTorch / TensorFlow
V Természetes nyelvfeldolgozás PyTorch /TensorFlow Fedezd fel a természetes nyelvfeldolgozást a Microsoft Azure-on
13 Szöveg reprezentáció. Bow/TF-IDF PyTorch / TensorFlow
14 Szemantikus szóbeágyazások. Word2Vec és GloVe PyTorch / TensorFlow
15 Nyelvi modellezés. Saját beágyazások tanítása PyTorch / TensorFlow Lab
16 Rekurzív neurális hálózatok PyTorch / TensorFlow
17 Generatív rekurzív hálózatok PyTorch / TensorFlow Lab
18 Transzformerek. BERT. PyTorch /TensorFlow
19 Név entitás felismerés TensorFlow Lab
20 Nagy nyelvi modellek, prompt programozás és kevés példás feladatok PyTorch
VI Egyéb AI technikák
21 Genetikus algoritmusok Notebook
22 Mély megerősítéses tanulás PyTorch /TensorFlow Lab
23 Többügynökös rendszerek
VII AI Etika
24 AI Etika és felelős AI Microsoft Learn: Felelős AI alapelvek
IX Extrák
25 Multi-modális hálózatok, CLIP és VQGAN Notebook

Minden lecke tartalmazza

  • Előzetes olvasmányokat
  • Futtatható Jupyter Notebookokat, amelyek gyakran keretrendszer-specifikusak (PyTorch vagy TensorFlow). A futtatható notebookok rengeteg elméleti anyagot is tartalmaznak, így a téma megértéséhez legalább az egyik verziót (PyTorch vagy TensorFlow) érdemes átnézni.
  • Labok, amelyek néhány témához elérhetők, és lehetőséget adnak arra, hogy az elsajátított anyagot egy konkrét problémára alkalmazd.
  • Egyes szekciók hivatkozásokat tartalmaznak MS Learn modulokra, amelyek kapcsolódó témákat fednek le.

Kezdés

Kövesd ezeket a lépéseket:

Forkold a repót: Kattints a jobb felső sarokban található "Fork" gombra.

Klónozd a repót: git clone https://github.com/microsoft/AI-For-Beginners.git

Ne felejtsd el csillagozni (🌟) ezt a repót, hogy később könnyebben megtaláld.

Találkozz más tanulókkal

Csatlakozz a hivatalos AI Discord szerverünkhöz, hogy találkozz és kapcsolatba lépj más tanulókkal, akik ezt a kurzust végzik, és támogatást kapj.

Ha termék-visszajelzésed vagy kérdéseid vannak a fejlesztés során, látogasd meg az Azure AI Foundry fejlesztői fórumot

Kvízek

Megjegyzés a kvízekről: Minden kvíz az etc\quiz-app mappában található Quiz-app mappában van. A leckékből vannak hivatkozva, a kvíz alkalmazás helyben futtatható vagy Azure-ra telepíthető; kövesd az utasításokat a quiz-app mappában. Ezeket fokozatosan lokalizálják.

Segítség Kérve

Van javaslatod, vagy találtál helyesírási vagy kódhibát? Nyiss egy hibajegyet, vagy hozz létre egy pull requestet.

Külön Köszönet

Egyéb Tananyagok

Csapatunk más tananyagokat is készít! Nézd meg ezeket:

Felelősség kizárása:
Ez a dokumentum az AI fordítási szolgáltatás Co-op Translator segítségével lett lefordítva. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az eredeti nyelvén tekintendő hiteles forrásnak. Kritikus információk esetén javasolt professzionális emberi fordítást igénybe venni. Nem vállalunk felelősséget semmilyen félreértésért vagy téves értelmezésért, amely a fordítás használatából eredhet.