微软AI初学者入门课程
译者：Miranda，课程原网址 https://microsoft.github.io/AI-For-Beginners/
通过微软为期12周、共24课时的课程，一起来探索人工智能（AI）的世界！在本课程中，你将深入学习符号人工智能（Symbolic AI）、神经网络（Neural Networks）、计算机视觉（Computer Vision）、自然语言处理（Natural Language Processing）等内容。如果想提升学习效果，可以亲身实践课程内容、做随堂小测试或根据课程内容开展实验。这套课程是由专家设计的人工智能综合指南，它非常适合初学者，覆盖了TensorFlow、PyTorch及人工智能伦理原则。今天就开始你的人工智能之旅吧！
在本课程中，你将学到：
- 实现人工智能的不同方法，包括使用了知识表示和推理的符号人工智能，它是一种“有效的老式人工智能”（GOFAI）。
- 神经网络和深度学习，它们是现代人工智能的核心，我们将使用两个最流行的框架（TensorFlow 和 PyTorch）中的代码来说明这两个主题背后的重要概念。
- 处理图像和文本的神经架构，我们将介绍最新的模型，但在最前沿的信息上可能会有所欠缺。
- 不太流行的人工智能方法，如遗传算法（Genetic Algorithms）和多智能体系统（Multi-Agent Systems）。
本课程不包括以下内容：
- 人工智能的商业应用案例。如需要了解这方面的信息，可以考虑学习以下两个微软的课程：《面向商业用户的人工智能学习》、《人工智能商学院》（和欧洲工商管理学院INSEAD共同开发）。
- 经典机器学习。这在我们的《机器学习入门课程》中有详细介绍。
- 使用Azure认知服务（Azure Cognitive Services）来创建实用的人工智能应用。如有需要，我们建议你从以下微软课程开始学习：《视觉》、《自然语言处理》、《使用 Azure OpenAI 服务的生成式人工智能》等。
- 特定的机器学习云框架。例如 Azure Machine Learning，Microsoft Fabric，或 Azure Databricks。如有需要，考虑以下课程：《使用 Azure Machine Learning 构建和运行机器学习解决方案》、《使用 Azure Databricks 构建和运行机器学习解决方案》。
- 对话式人工智能和聊天机器人。这方面有一个单独的课程《创建对话式人工智能解决方案》，你也可以参考这篇博文了解更多详情。
- 深度学习背后的深层数学（Deep Mathematics）。关于这一点，我们推荐 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合著的《深度学习》（Deep Learning）一书，该书可在 https://www.deeplearningbook.org/ 上获取。
如需了解云计算中的人工智能主题，可以考虑参加《在 Azure 上开始使用人工智能》课程。
课程列表
|
编号 |
课程 |
介绍 |
PyTorch |
Keras/ TensorFlow |
实验 |
|---|---|---|---|---|---|
|
I |
人工智能导论 |
||||
|
1 |
人工智能简介和历史 |
|
|
|
|
|
II |
符号人工智能 |
||||
|
2
|
知识表示和专家系统
|
|
|
||
|
（待更新） |
|||||