微软：面向初学者的生成式人工智能课程
2023年12月24日
通过微软云技术布道师团队提供的21章系列课程，了解构建生成式 AI 应用程序的基础知识。
原文请查看这里
以下为介绍。
如何开始
本课程一共有21个章节。每章都覆盖一个单独的主题，所以你可以根据自己的需要从任意章节开始学习。
涵盖了生成式人工智能原理和应用程序开发的一个关键方面。 在整个系列课程中，我们将建立我们自己的生成式人工智能初创公司，以便您可以了解如何实现您的想法。
课程分为2钟，标记为 "Learn ( 知识点 ) " 的课程(解释生成式人工智能概念)或 "Build ( 实践 ) " 课程(解释概念并尽可能同时提供 Python 和 TypeScript 的代码示例)。
每个课程也涵盖一个 "Keep Learning"的部分会介绍一下额外的学习工具。
你需要准备的是
要运行本课程的代码，你可以使用以下任一服务：
-
Azure OpenAI Service - 课程: "aoai-assignment"
-
GitHub Marketplace Model Catalog - 课程: "githubmodels"
-
OpenAI API - 课程: "oai-assignment"
-
Python 或 TypeScript 的基础知识 - *如果你完全是这两种语言的初学者，可以查看这些 Python 和 TypeScript 课程.
-
一个Github账号来 fork整个代码库 到你自己的Github账号
我们创建了一个课程环境设置章节来帮助你设置开发环境。
别忘了 为这个代码库加(🌟) to find it easier later.
准备好部署了吗？
如果你在寻找更高级的代码示例,请查看我们的生成式AI代码示例集合，其中包含Python和TypeScript的示例
找到志同道合的人，获取支持
加入我们的官方 AI Discord server，与参加本课程的其他学习者会面和交流并获得支持。
您是否正在创业？访问 Microsoft's Founders Hub并注册，您可以在这里申请获得免费 OpenAI credits以及最高可达 15 万美元的 Azure AI 服务用于在 Azure OpenAI Service 中使用 Open AI 模型。
每章都包含
- 关于本章主题的一个简短的导学视频
- 基于文本的课程内容（README文件）
- Python和Typescript的代码示例（支持Azure OpenAI和OpenAI API）
- 进阶学习资源的链接
每章内容
| # | 课程链接 | 内容介绍 | 视频 | 拓展学习 |
|---|---|---|---|---|
| 00 | 课程环境设置 | 学习： 如何设置开发环境 | 即将推出 | 了解更多 |
| 01 | 生成式 AI 和大语言模型 LLMs 介绍 | 学习： 了解什么是生成式 AI 以及大语言模型(LLMs)如何工作 | 视频 | 了解更多 |
| 02 | 探索和比较不同的大语言模型 LLMs | 学习： 如何为你的使用场景选择合适的模型 | 视频 | 了解更多 |
| 03 | 负责任地使用生成式 AI | 学习： 如何负责任地构建生成式 AI 应用 | 视频 | 了解更多 |
| 04 | 理解提示工程 ( Prompt Engineering) 基础 | 学习： 动手实践提示工程的最佳实践 | 视频 | 了解更多 |
| 05 | 学会高级的提示工程技巧 | 学习： 如何应用提示工程技术来改善提示的输出结果 | 视频 | 了解更多 |
| 06 | 构建文本生成应用 | 实践： 使用 Azure OpenAI / OpenAI API 构建文本生成应用 | 视频 | 了解更多 |
| 07 | 构建聊天应用 | 实践： 高效构建和集成聊天应用的技术 | 视频 | 了解更多 |
| 08 | 使用向量数据库构建搜索应用 | 实践： 使用嵌入 ( Embedding ) 进行数据搜索的应用 | 视频 | 了解更多 |
| 09 | 构建图像生成应用 | 实践： 一个图像生成应用 | 视频 | 了解更多 |
| 10 | 构建低代码 AI 应用 | 实践： 使用低代码工具构建生成式 AI 应用 | 视频 | 了解更多 |
| 11 | 使用功能调用 ( Function Calling ) 集成外部应用 | 实践： 什么是功能调用以及它在应用中的使用场景 | 视频 | 了解更多 |
| 12 | 设计 AI 应用的用户体验 | 学习： 如何在开发生成式 AI 应用时应用用户体验设计原则 | 视频 | 了解更多 |
| 13 | 保护生成式 AI 应用的安全 | 学习： AI 系统面临的威胁和风险以及保护这些系统的方法 | 视频 | 了解更多 |
| 14 | 生成式 AI 应用生命周期 | 学习： 管理 LLM 生命周期和 LLMOps 的工具和指标 | 视频 | 了解更多 |
| 15 | 检索增强生成(RAG)和向量数据库 | 实践： 使用 RAG 框架从向量数据库中检索嵌入的应用 | 视频 | 了解更多 |
| 16 | 开源模型和 Hugging Face | 实践： 使用 Hugging Face 上可用的开源模型构建应用 | 视频 | 了解更多 |
| 17 | AI 智能代理 | 实践： 使用 AI 代理框架构建应用 | 视频 | 了解更多 |
| 18 | 微调 ( Fine-tuning ) 大语言模型 | 实践： 微调大语言模型的内容、原因和方法 | 视频 | 了解更多 |
| 19 | 使用小语言模型 slm | 学习： 使用小型语言模型构建的好处 | 视频即将推出 | 了解更多 |
| 20 | 使用 Mistral 模型 | 学习： Mistral 系列模型的特点和差异 | 视频即将推出 | 了解更多 |
| 21 | 使用 Meta 模型 | 学习： Meta 系列模型的特点和差异 | 视频即将推出 | 了解更多 |
特别感谢
特别感谢 John Aziz 创建了所有的Gtihub Actions 和 Workflows。
特别感谢Bernhard Merkle 为每节课程做出的重要贡献,改善了学习体验和编码体验。