入门通识课程入门英文12 周★ 63k↑+16628 章可站内阅读
AI For Beginners
微软开源的人工智能通识入门课
Microsoft · 63,298 stars · 8/8 04:44 → 8/8 14:57（10 小时）
面向几乎零基础读者的微软官方 AI 通识课。它讲的是「人工智能是什么、能做什么、边界在哪」，用 notebook 带你接触感知机、神经网络、NLP 与视觉入门实验，而不是一上来堆 Transformer 细节。适合想建立正确心智模型、再决定要不要深入训练或应用工程的人。
为什么收录 · 官方维护、路径清晰、动手材料齐。在站内「速成 / 基础」路线里，它是最稳的外部通识底座——先建立地图，再选 LLM、ML 或 Agent 专线。
人工智能通识神经网络NLP 入门计算机视觉AI 伦理Notebook 实验
这本书强在哪
- 微软官方维护，课程路径固定、材料齐全，适合作为第一门 AI 课
- 覆盖面广但不深挖训练细节，刻意避开「上来就训大模型」的焦虑路径
- 大量 Jupyter notebook，强调动手而不是只看概念
- 单独讨论伦理与社会影响，不只讲算法
建议怎么学
- 01按 lessons 顺序学，每周 1–2 课；先读说明再跑 notebook
- 02数学卡壳时只补该节需要的概念，不要并行开 d2l 全书
- 03做完视觉/NLP 实验后，用一页笔记写清「问题→数据→模型→评估」
- 04学完后若转向 LLM，接 Generative AI for Beginners；若补 ML 基本功，接 ML for Beginners
适合谁 / 前置
- 能读英文技术材料（或配合翻译）
- 基础编程（Python/JS 任一即可）
- 高中数学：函数、向量直觉即可，不要求推导
学完得到什么
- 建立 AI 全景认知：感知、语言、视觉、伦理边界
- 能跑通课程 notebook，完成入门级实验
- 知道「符号 AI / 机器学习 / 神经网络」各自解决什么问题
- 能判断一个应用该用规则、经典 ML 还是深度学习
目录
来自站内阅读器镜像；点击章节直接阅读
lessons27 章
- 01人工智能简介markdown
- 02知识表示与专家系统markdown
- 03神经网络入门：感知机markdown
- 04神经网络简介：多层感知机markdown
- 05神经网络框架markdown
- 06神经网络简介markdown
- 07计算机视觉简介markdown
- 08卷积神经网络markdown
- 09预训练网络与迁移学习markdown
- 10自动编码器markdown
- 11生成对抗网络markdown
- 12目标检测markdown
- 13分割markdown
- 14计算机视觉markdown
- 15将文本表示为张量markdown
- 16嵌入markdown
- 17语言建模markdown
- 18循环神经网络markdown
- 19生成网络markdown
- 20注意机制与Transformermarkdown
- 21命名实体识别markdown
- 22预训练大型语言模型markdown
- 23自然语言处理markdown
- 24遗传算法markdown
- 25深度强化学习markdown
- 26多智能体系统markdown
- 27伦理与负责任的人工智能markdown
PDF 附件1 章
策展亮点章节
AI 历史与伦理感知机与神经网络自然语言处理入门计算机视觉入门其他 AI 技术与展望
仓库数据
Stars63,298
Forks12,266
主要语言Jupyter Notebook
协议MIT
更新2026/8/8
aideep-learningmachine-learningnlpcomputer-vision
33e781bf（main）· 许可证 MIT License (MIT)。 上游更新后可通过同步脚本刷新。