AI-For-Beginners/translations/sl
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

Umetna inteligenca za začetnike - Kurikulum

 Sketchnote by (@girlie_mac)
AI za začetnike - Sketchnote by @girlie_mac

Raziskujte svet umetne inteligence (AI) z našim 12-tedenskim kurikulumom, ki vključuje 24 lekcij! Vsebuje praktične lekcije, kvize in laboratorijske vaje. Kurikulum je prijazen začetnikom in pokriva orodja, kot sta TensorFlow in PyTorch, ter etiko v AI.

Kaj boste spoznali

Miselni zemljevid tečaja

V tem kurikulumu boste spoznali:

  • Različne pristope k umetni inteligenci, vključno z "dobrim starim" simbolnim pristopom z predstavitvijo znanja in sklepanjem (GOFAI).
  • Nevronske mreže in globoko učenje, ki sta jedro sodobne umetne inteligence. Koncepte teh pomembnih tem bomo ponazorili s kodo v dveh najbolj priljubljenih ogrodjih - TensorFlow in PyTorch.
  • Nevronske arhitekture za delo s slikami in besedilom. Pokrili bomo nedavne modele, vendar morda ne bomo zajeli najnovejših dosežkov.
  • Manj priljubljene pristope AI, kot so genetski algoritmi in sistemi z več agenti.

Kaj ne bomo pokrili v tem kurikulumu:

Poiščite vse dodatne vire za ta tečaj v naši zbirki Microsoft Learn

Za uvod v teme AI v oblaku razmislite o učni poti Začnite z umetno inteligenco na Azure.

Vsebina

Povezava do lekcije PyTorch/Keras/TensorFlow Laboratorij
0 Nastavitev tečaja Nastavite svoje razvojno okolje
I Uvod v AI
01 Uvod in zgodovina AI - -
II Simbolna AI
02 Predstavitev znanja in ekspertni sistemi Ekspertni sistemi / Ontologija /Konceptni graf
III Uvod v nevronske mreže
03 Perceptron Zvezek Laboratorij
04 Večplastni perceptron in ustvarjanje lastnega ogrodja Zvezek Laboratorij
05 Uvod v ogrodja (PyTorch/TensorFlow) in prenaučenje PyTorch / Keras / TensorFlow Laboratorij
IV Računalniški vid PyTorch / TensorFlow Raziskovanje računalniškega vida na Microsoft Azure
06 Uvod v računalniški vid. OpenCV Zvezek Laboratorij
07 Konvolucijske nevronske mreže & Arhitekture CNN PyTorch /TensorFlow Laboratorij
08 Vnaprej naučena omrežja in prenos učenja in Triki za učenje PyTorch / TensorFlow Laboratorij
09 Avtoenkoderji in VAEs PyTorch / TensorFlow
10 Generativna nasprotujoča si omrežja in prenos umetniškega sloga PyTorch / TensorFlow
11 Prepoznavanje objektov TensorFlow Laboratorij
12 Semantična segmentacija. U-Net PyTorch / TensorFlow
V Obdelava naravnega jezika PyTorch /TensorFlow Raziščite obdelavo naravnega jezika na Microsoft Azure
13 Predstavitev besedila. Bow/TF-IDF PyTorch / TensorFlow
14 Semantične besedne vektorske predstavitve. Word2Vec in GloVe PyTorch / TensorFlow
15 Jezikovno modeliranje. Ustvarjanje lastnih vektorskih predstavitev PyTorch / TensorFlow Laboratorij
16 Rekurentna nevronska omrežja PyTorch / TensorFlow
17 Generativna rekurentna omrežja PyTorch / TensorFlow Laboratorij
18 Transformerji. BERT. PyTorch /TensorFlow
19 Prepoznavanje imenovanih entitet TensorFlow Laboratorij
20 Veliki jezikovni modeli, programiranje z navodili in naloge z malo primeri PyTorch
VI Druge tehnike umetne inteligence
21 Genetski algoritmi Zvezek
22 Globoko okrepljeno učenje PyTorch /TensorFlow Laboratorij
23 Sistemi z več agenti
VII Etika umetne inteligence
24 Etika umetne inteligence in odgovorna umetna inteligenca Microsoft Learn: Načela odgovorne umetne inteligence
IX Dodatki
25 Večmodalna omrežja, CLIP in VQGAN Zvezek

Vsaka lekcija vsebuje

  • Gradivo za predhodno branje
  • Izvedljive Jupyterjeve zvezke, ki so pogosto specifični za ogrodje (PyTorch ali TensorFlow). Izvedljivi zvezek vsebuje tudi veliko teoretičnega gradiva, zato je za razumevanje teme potrebno preučiti vsaj eno različico zvezka (bodisi PyTorch bodisi TensorFlow).
  • Laboratorije, ki so na voljo za nekatere teme in vam omogočajo, da preizkusite uporabo naučenega gradiva na določenem problemu.
  • Nekateri razdelki vsebujejo povezave do modulov MS Learn, ki pokrivajo sorodne teme.

Začetek

Sledite tem korakom:

Forkajte repozitorij: Kliknite na gumb "Fork" v zgornjem desnem kotu te strani.

Klonirajte repozitorij: git clone https://github.com/microsoft/AI-For-Beginners.git

Ne pozabite označiti (🌟) tega repozitorija, da ga boste lažje našli kasneje.

Spoznajte druge učence

Pridružite se našemu uradnemu AI Discord strežniku, da spoznate in se povežete z drugimi učenci, ki obiskujejo ta tečaj, ter prejmete podporo.

Če imate povratne informacije o izdelku ali vprašanja med gradnjo, obiščite naš Azure AI Foundry Developer Forum

Kvizi

Opomba o kvizih: Vsi kvizi se nahajajo v mapi Quiz-app v etc\quiz-app. Povezani so znotraj lekcij, aplikacijo za kvize pa je mogoče zagnati lokalno ali namestiti na Azure; sledite navodilom v mapi quiz-app. Postopoma se lokalizirajo.

Potrebna pomoč

Imate predloge ali ste našli napake v črkovanju ali kodi? Odprite težavo ali ustvarite zahtevo za združitev.

Posebna zahvala

Drugi učni načrti

Naša ekipa ustvarja tudi druge učne načrte! Oglejte si:

Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo storitve AI za prevajanje Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem maternem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo profesionalni človeški prevod. Ne odgovarjamo za morebitna nesporazumevanja ali napačne razlage, ki izhajajo iz uporabe tega prevoda.