AI-For-Beginners/translations/ms/README.md

22 KiB

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

GitHub watchers
GitHub forks
GitHub stars
Binder
Gitter

Kecerdasan Buatan untuk Pemula - Kurikulum

Sketchnote oleh @girlie_mac https://twitter.com/girlie_mac
AI Untuk Pemula - Sketchnote oleh @girlie_mac

Terokai dunia Kecerdasan Buatan (AI) dengan kurikulum 12 minggu, 24 pelajaran kami! Ia merangkumi pelajaran praktikal, kuiz, dan makmal. Kurikulum ini mesra pemula dan meliputi alat seperti TensorFlow dan PyTorch, serta etika dalam AI.

🌐 Sokongan Pelbagai Bahasa

Disokong melalui GitHub Action (Automatik & Sentiasa Terkini)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

Jika anda ingin menambah sokongan untuk bahasa lain, senarai bahasa yang disokong boleh didapati di sini

Sertai Komuniti

Azure AI Discord

Apa yang akan anda pelajari

Peta Minda Kursus

Dalam kurikulum ini, anda akan mempelajari:

  • Pendekatan berbeza terhadap Kecerdasan Buatan, termasuk pendekatan simbolik "lama" dengan Perwakilan Pengetahuan dan penaakulan (GOFAI).
  • Rangkaian Neural dan Pembelajaran Mendalam, yang menjadi teras AI moden. Kami akan menerangkan konsep di sebalik topik penting ini menggunakan kod dalam dua rangka kerja paling popular - TensorFlow dan PyTorch.
  • Seni Bina Neural untuk bekerja dengan imej dan teks. Kami akan membincangkan model terkini tetapi mungkin kurang dalam keadaan seni terkini.
  • Pendekatan AI yang kurang popular, seperti Algoritma Genetik dan Sistem Berbilang Agen.

Apa yang tidak akan kami bahas dalam kurikulum ini:

Cari semua sumber tambahan untuk kursus ini dalam koleksi Microsoft Learn kami

Untuk pengenalan yang mudah kepada topik AI dalam Awan, anda boleh mempertimbangkan untuk mengambil Laluan Pembelajaran Bermula dengan kecerdasan buatan di Azure.

Kandungan

Pautan Pelajaran PyTorch/Keras/TensorFlow Makmal
0 Persediaan Kursus Sediakan Persekitaran Pembangunan Anda
I Pengenalan kepada AI
01 Pengenalan dan Sejarah AI - -
II AI Simbolik
02 Perwakilan Pengetahuan dan Sistem Pakar Sistem Pakar / Ontologi /Graf Konsep
III Pengenalan kepada Rangkaian Neural
03 Perceptron Notebook Makmal
04 Perceptron Berlapis Pelbagai dan Mencipta Rangka Kerja Sendiri Notebook Makmal
05 Pengenalan kepada Rangka Kerja (PyTorch/TensorFlow) dan Overfitting PyTorch / Keras / TensorFlow Lab
IV Penglihatan Komputer PyTorch / TensorFlow Terokai Penglihatan Komputer di Microsoft Azure
06 Pengenalan kepada Penglihatan Komputer. OpenCV Notebook Lab
07 Rangkaian Neural Konvolusi & Seni Bina CNN PyTorch /TensorFlow Lab
08 Rangkaian Pra-latih dan Pembelajaran Pemindahan dan Trik Latihan PyTorch / TensorFlow Lab
09 Autoencoder dan VAE PyTorch / TensorFlow
10 Rangkaian Adversarial Generatif & Pemindahan Gaya Artistik PyTorch / TensorFlow
11 Pengesanan Objek TensorFlow Lab
12 Segmentasi Semantik. U-Net PyTorch / TensorFlow
V Pemprosesan Bahasa Semula Jadi PyTorch /TensorFlow Terokai Pemprosesan Bahasa Semula Jadi di Microsoft Azure
13 Perwakilan Teks. Bow/TF-IDF PyTorch / TensorFlow
14 Perwakilan Perkataan Semantik. Word2Vec dan GloVe PyTorch / TensorFlow
15 Pemodelan Bahasa. Latih Perwakilan Anda Sendiri PyTorch / TensorFlow Lab
16 Rangkaian Neural Berulang PyTorch / TensorFlow
17 Rangkaian Berulang Generatif PyTorch / TensorFlow Lab
18 Transformer. BERT. PyTorch /TensorFlow
19 Pengecaman Entiti Bernama TensorFlow Lab
20 Model Bahasa Besar, Pengaturcaraan Prompt dan Tugas Few-Shot PyTorch
VI Teknik AI Lain
21 Algoritma Genetik Notebook
22 Pembelajaran Pengukuhan Mendalam PyTorch /TensorFlow Lab
23 Sistem Multi-Ejen
VII Etika AI
24 Etika AI dan AI Bertanggungjawab Microsoft Learn: Prinsip AI Bertanggungjawab
IX Tambahan
25 Rangkaian Multi-Mod, CLIP dan VQGAN Notebook

Setiap pelajaran mengandungi

  • Bahan bacaan awal
  • Jupyter Notebook yang boleh dilaksanakan, yang sering khusus kepada rangka kerja (PyTorch atau TensorFlow). Notebook yang boleh dilaksanakan juga mengandungi banyak bahan teori, jadi untuk memahami topik ini anda perlu melalui sekurang-kurangnya satu versi notebook (sama ada PyTorch atau TensorFlow).
  • Lab tersedia untuk beberapa topik, yang memberi anda peluang untuk mencuba menerapkan bahan yang telah anda pelajari kepada masalah tertentu.
  • Beberapa bahagian mengandungi pautan ke modul MS Learn yang merangkumi topik berkaitan.

Memulakan

Ikuti langkah-langkah ini:

Fork Repositori: Klik pada butang "Fork" di sudut kanan atas halaman ini.

Clone Repositori: git clone https://github.com/microsoft/AI-For-Beginners.git

Jangan lupa untuk memberi bintang (🌟) pada repo ini supaya lebih mudah ditemui kemudian.

Bertemu dengan Pelajar Lain

Sertai pelayan Discord AI rasmi kami untuk bertemu dan berhubung dengan pelajar lain yang mengikuti kursus ini dan mendapatkan sokongan.

Jika anda mempunyai maklum balas produk atau soalan semasa membina, lawati Forum Pembangun Azure AI Foundry

Kuiz

Nota mengenai kuiz: Semua kuiz terdapat dalam folder Quiz-app di etc\quiz-app, atau Online Di Sini Ia dihubungkan dari dalam pelajaran, aplikasi kuiz boleh dijalankan secara tempatan atau disebarkan ke Azure; ikuti arahan dalam folder quiz-app. Ia sedang dilokalkan secara beransur-ansur.

Bantuan Diperlukan

Adakah anda mempunyai cadangan atau menemui kesalahan ejaan atau kod? Sila kemukakan isu atau buat permintaan tarik.

Terima Kasih Istimewa

Kurikulum Lain

Pasukan kami menghasilkan kurikulum lain! Lihat:


Penafian:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha untuk memastikan ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat yang kritikal, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.