AI入门教程

项目概述

AI-For-Beginners 是微软推出的人工智能入门课程，围绕 12 周、24 课时的结构展开。课程面向零基础学习者，覆盖人工智能的核心概念、主流框架与伦理议题，并配有可执行的 Jupyter Notebook、实验与测验。

学习内容

课程涵盖以下主题：

• 符号主义 AI：知识表示与推理、专家系统、本体与概念图。
• 神经网络与深度学习：感知机、多层感知机、PyTorch 与 TensorFlow 框架入门、过拟合处理。
• 计算机视觉：OpenCV 基础、卷积神经网络（CNN）、预训练模型与迁移学习、自编码器与 VAE、生成对抗网络（GAN）、目标检测、语义分割（U-Net）。
• 自然语言处理：词袋与 TF-IDF、词嵌入（Word2Vec、GloVe）、语言建模、循环神经网络（RNN）、Transformer 与 BERT、命名实体识别、大语言模型与提示工程。
• 其他 AI 技术：遗传算法、深度强化学习、多智能体系统。
• AI 伦理：负责任的 AI 原则。
• 扩展主题：多模态网络、CLIP 与 VQGAN。

课程明确不包含：AI 商业应用、经典机器学习（另有专门课程）、基于云服务的应用、特定云平台框架、对话式 AI 以及深度学习的深层数学推导。

技术架构

每个课时通常包含三部分：

• 课前阅读材料
• 可执行 Jupyter Notebook：通常同时提供 PyTorch 与 TensorFlow 两个版本，Notebook 中已嵌入大量理论讲解
• 实验（Lab）：部分主题提供动手实践任务

代码示例集中在 lessons/ 目录下，按章节组织为 1-Intro、2-Symbolic、3-NeuralNetworks、4-ComputerVision、5-NLP、6-Other、7-Ethics、X-Extras。

入门使用

快速示例

适合完全零基础的学习者，先通过 examples/ 中的简短示例建立直观认识：

• Hello AI World（首个 AI 程序，模式识别）
• 从零构建简单神经网络
• 图像分类器
• 文本情感分析

完整课程设置

1. 阅读 lessons/0-course-setup/setup.md 配置开发环境；教师可参考 for-teachers.md。
2. 克隆仓库：

git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
cd AI-For-Beginners
# 稀疏检出，跳过 translations 与 translated_images 以减小下载体积
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

3. 在 VSCode 或 GitHub Codespace 中运行 Notebook，参考 how-to-run.md。

测验

测验位于 etc/quiz-app 目录下，也可在线访问 https://ff-quizzes.netlify.app/，支持本地运行或部署到 Azure，并逐步支持多语言。

多语言支持

课程已通过 GitHub Action 自动翻译为 50 余种语言，正体/简体中文、英文、日文、韩文等均在支持列表中。如需新增语言，可参考 Co-op Translator 的支持语言清单提交请求。

社区与反馈

• 加入官方 Discord 服务器，与其他学习者交流并获取支持。
• 产品反馈与构建问题可前往 Azure AI Foundry Developer Forum。
• 发现错误或有改进建议，可提交 Issue 或 Pull Request。