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

22 KiB

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

GitHub watchers
GitHub forks
GitHub stars
Binder
Gitter

Artificiell Intelligens för Nybörjare - En Kursplan

Sketchnote av @girlie_mac https://twitter.com/girlie_mac
AI för Nybörjare - Sketchnote av @girlie_mac

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

🌐 Stöd för flera språk

Stöds via GitHub Action (Automatiserat & Alltid Uppdaterat)

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)

Om du vill ha ytterligare översättningar, finns stödda språk listade här

Gå med i Communityn

Azure AI Discord

Vad du kommer att lära dig

Mindmap av kursen

I denna kursplan 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 kärnan i 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 kanske sakna de allra senaste.
  • Mindre populära AI-metoder, såsom Genetiska Algoritmer och Multi-Agent System.

Vad vi inte kommer att täcka i denna kursplan:

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

För en mjuk introduktion till AI i Molnet ämnen kan du överväga att ta Kom igång med artificiell intelligens på Azure lärväg.

Innehåll

Lektionslänk PyTorch/Keras/TensorFlow Lab
0 Kursinställning Ställ in din utvecklingsmiljö
I Introduktion till AI
01 Introduktion och AI:s historia - -
II Symbolisk AI
02 Kunskapsrepresentation och Expert System Expert System / Ontologi /Konceptgraf
III Introduktion till Neurala Nätverk
03 Perceptron Notebook Lab
04 Multi-Lager 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 Lab
07 Konvolutionella neurala nätverk & CNN-arkitekturer PyTorch /TensorFlow Lab
08 Förtränade nätverk och transfer learning och Träningsknep PyTorch / TensorFlow Lab
09 Autoencoders och VAEs PyTorch / TensorFlow
10 Generativa adversarial nätverk & konstnärlig stilöverföring PyTorch / TensorFlow
11 Objektdetektion TensorFlow Lab
12 Semantisk segmentering. U-Net PyTorch / TensorFlow
V Naturlig språkbehandling PyTorch /TensorFlow Utforska naturlig språkbehandling på Microsoft Azure
13 Textrepresentation. Bow/TF-IDF PyTorch / TensorFlow
14 Semantiska ordembeddingar. Word2Vec och GloVe PyTorch / TensorFlow
15 Språkmodellering. Träna dina egna embeddingar PyTorch / TensorFlow Lab
16 Rekurrenta neurala nätverk PyTorch / TensorFlow
17 Generativa rekurrenta nätverk PyTorch / TensorFlow Lab
18 Transformers. BERT. PyTorch /TensorFlow
19 Named Entity Recognition TensorFlow Lab
20 Stora språkmodeller, promptprogrammering och få-skott-uppgifter PyTorch
VI Andra AI-tekniker
21 Genetiska algoritmer Notebook
22 Djup förstärkningsinlärning PyTorch /TensorFlow Lab
23 Multi-agent system
VII AI-etik
24 AI-etik och ansvarsfull AI Microsoft Learn: Principer för ansvarsfull AI
IX Extras
25 Multi-modala nätverk, CLIP och VQGAN Notebook

Varje lektion innehåller

  • Förberedande läsmaterial
  • Körbara Jupyter Notebooks, som ofta är specifika för ramverket (PyTorch eller TensorFlow). Den körbara notebooken innehåller också mycket teoretiskt material, så för att förstå ämnet behöver du gå igenom minst en version av notebooken (antingen PyTorch eller TensorFlow).
  • Labbar som är tillgängliga för vissa ämnen, vilket ger dig möjlighet att tillämpa det du har lärt dig på ett specifikt problem.
  • Vissa avsnitt innehåller länkar till MS Learn moduler som täcker relaterade ämnen.

Kom igång

Följ dessa steg:

Forka repot: Klicka på "Fork"-knappen längst upp till höger på denna sida.

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

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

Träffa andra elever

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

Om du har produktfeedback eller frågor medan du bygger, besök vårt Azure AI Foundry Developer Forum

Quiz

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

Hjälp Efterlyses

Har du förslag eller hittat stavfel eller kodfel? Skapa ett ärende eller en pull request.

Särskilt Tack

Andra Läroplaner

Vårt team skapar andra läroplaner! Kolla in:


Ansvarsfriskrivning:
Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, vänligen notera att automatiska översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på sitt originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning.