跳到主要内容

开源免费的生成式人工智能（Generative AI）课程

· 阅读需 6 分钟

1. 概述​

生成式人工智能（Generative AI）无疑是目前最为火爆的计算机领域前沿技术。下面列出一些免费开放课程，适用于人工智能领域的初学者或想提高相关技能的专业人士。

提示

下面课程的链接，有些是需要外网特殊访问，如没有网络环境可以看国内哔哩哔哩等视频网站平台上的其他人的搬运。

2. 微软、谷歌、亚马逊等公司的开源免费生成式 AI 课程​

2.1 面向初学者的生成式人工智能课程（微软）​

微软的开源免费课程项目目前有 21 节，面向生成式人工智能初学者，每节课都有一个主题，可以从任意主题开始。课程分为学习（Learn）课程和构建（Build）课程。学习课程解释概念，构建课程除了解释概念外还包括用 Python 和 TypeScript 实现的代码示例（支持 Azure OpenAI 和 OpenAI API ）。

课程链接：Generative AI for Beginners (Version 3)

2.2 面向初学者的 AI 代理 （微软）​

本课程有11节课，涵盖了构建AI代理的基础知识。每节课都涵盖了自己的主题。

课程链接：AI Agents for Beginners

2.3 生成式人工智能学习路径（谷歌）​

此学习路线概要介绍了生成式 AI 的概念，包括大语言模型的基础知识和负责任人工智能（Responsible AI） 原则等。一共五个视频。

课程链接：Google Cloud Skills Boost

2.4 适用于所有人的生成式 AI（Deeplearning.AI ）​

由人工智能先驱吴恩达（Andrew Ng）讲授的 Generative AI for Everyone 以他独特的视角，为你和你的工作提供人工智能生成技术。将引导你了解生成式人工智能的工作原理以及它能做什么（不能做什么）。你将深入了解生成式人工智能的功能、潜力和局限。你将深入了解现实世界中的应用并学习常见的使用案例。你将亲身参与生成式人工智能项目，将所学知识付诸行动，深入了解其对商业和社会的影响。

本课程旨在确保每个人都能成为人工智能推动的未来的参与者。

课程链接：适用于所有人的生成式 AI

2.5 采用大型语言模型的生成式人工智能（亚马逊）​

这是一门中级课程，因此你应该有一定的 Python 编程经验，这样才能学有所获。你还应该熟悉机器学习的基础知识，如监督和非监督学习、损失函数以及将数据分成训练集、验证集和测试集。如果你已经学习了 DeepLearning.AI 的机器学习专业课程或深度学习专业课程，那么你就可以学习本课程，深入学习生成式人工智能的基础知识。

通过学习本课程，将学会

  • 深入理解生成式人工智能，描述基于 LLM 的典型生成式人工智能生命周期中的关键步骤，从数据收集和模型选择到性能评估和部署
  • 详细描述为 LLM 提供动力的转换器架构、如何训练 LLM 以及如何微调 LLM 以适应各种特定用例
  • 使用经验缩放法则，在数据集大小、计算预算和推理要求之间优化模型的目标函数
  • 应用最先进的训练、调整、推理、工具和方法
  • 使用最先进的训练、调整、推理和工具、听完行业研究人员和从业人员的故事后，讨论生成式人工智能为企业带来的挑战和机遇
  • 对 LLM 如何工作以及训练和部署 LLM 背后的最佳实践有了良好基础了解的开发人员，将能够为他们的公司做出正确的决策，并更快地构建工作原型。

课程链接： Generative AI with Large Language Models

2.6 Introduction to Generative AI 2024 Spring（李宏毅公开课 台湾大学）​

课程链接：Introduction to Generative AI 2024 Spring