6b2be6ae45
* Update 3.AI模块.md * Update 3.AI模块.md * Create 3.1 课程概述.md * Create README.md * Add files via upload * Update 3.1 课程概述.md * Create 3.2 开学前怎么学？.md * Add files via upload * Update 3.2 开学前怎么学？.md * Add files via upload * Update 3.2 开学前怎么学？.md * Rename 01.PNG to 01.png * Rename 02.PNG to 02.png * Rename 03.PNG to 03.png * Rename 04.PNG to 04.png * Update 3.2 开学前怎么学？.md * Update 3.2 开学前怎么学？.md * Rename 3.AI模块.md to 3. AI模块.md * Rename 01.png to 01dhfahjkehjkodwaS.png * Rename 02.png to 02HFJKDSHFU.png * Rename 03.png to 03HDFUIASHDUIF.png * Update and rename 04.png to 04SDFKJDSGKJ.png * Add files via upload * Update 3.2 开学前怎么学？.md * Update 3.2 开学前怎么学？.md * Rename README.md to Image_1718281764482.jpg * Add files via upload * Update README.md fix(README):修复链接 * Rename 3. AI模块.md to 3.AI模块.md * Rename 3.2 开学前怎么学？.md to 3.2开学前怎么学？.md * Rename 3.1 课程概述.md to 3.1课程概述.md * Update 3.AI模块.md * Update 3.AI模块.md * Update 3.AI模块.md * Update 3.1课程概述.md * Update 3.2开学前怎么学？.md * Add files via upload * Update 3.2开学前怎么学？.md * Update 3.2开学前怎么学？.md * Update 3.2开学前怎么学？.md * Update 3.1课程概述.md * Update 3.1课程概述.md * docs: upload image --------- Co-authored-by: camera-2018 <40380042+camera-2018@users.noreply.github.com>
112 lines
7.6 KiB
Markdown
112 lines
7.6 KiB
Markdown
# NekoBytes-AI-003 Syllabus💫
|
||
|
||
你好👋，欢迎来到 **计科协 | NekoBytes-AI-003: 计算机入门导引**！
|
||
|
||
在这里，我们的目标是引导你从零开始构建AI的知识框架。我们将采用深入浅出的方式进行讲解，确保理论知识与实际应用相结合，让你能够逐步掌握并最终独立完成一个完整的AI项目。
|
||
|
||
本课程不仅能为你提供最浅显易懂的**AI概念解析或日常AI工具的使用方法**，还能教会你如何训练深度神经网络模型，甚至如何**在半小时内部署属于自己的对话模型**。无论是对AI感兴趣还是不感兴趣的，有基础还是没基础的人，都一定能从中有所收获🥳
|
||
|
||
## 零、前言
|
||
编写一个关于AI的学习指南是很难的。
|
||
|
||
一方面，在这个AI迅速发展的时代，相关的资源极其丰富，但这也导致了资源质量参差不齐，很多材料的知识密度不高。另一方面，对于初学者来说，AI的入门并不友好。初学者常常面临这样的选择：
|
||
|
||
**“是从人工智能的基础理论开始逐步深入，还是直接动手实践，然后再回头补充理论？”**
|
||
|
||
::: tip **🥰理论与实践的关系**
|
||
- **从理论到实践的学习路径：** 面临的最大挑战是**缺乏即时的正向反馈**。在很短的时间内，你需要面对大量难以理解的专业术语和复杂的数学概念，并且可能完全不清楚它们与实际应用之间的联系，这会让你感到迷茫。
|
||
- **从实践到理论的学习路径：** 允许你**快速上手**，通过简单的复制粘贴即可部署各种模型，如图像生成、聊天机器人等。这种学习方法的优势在于很有意思，但当你想要更进一步时就会遇到瓶颈——由于**缺乏对原理的理解**，你连每行代码都是什么意思都不懂，更别说对模型进行优化了。
|
||
:::
|
||
|
||
所以，学习AI的基本原则很明确，即 **“理论和实践需要相互结合”** 。
|
||
|
||
但到了实际的学习过程，这个基本原则是很难贯彻的——**什么时候应该学习理论，应该学习到什么程度？什么时候可以开始实践，都有哪些实践项目适合我？**
|
||
|
||
|
||
|
||
在此，我们将为你提供一种学习方案。
|
||
|
||
这是在我们经历了惨痛的经验教训后总结出的最佳实践，希望能适合你😎👇
|
||
|
||
|
||
## 一、学习方法——从上自下的学习
|
||
> 内容取自：fast.ai系列课程文档_01_intro
|
||
|
||
在正式开始学习人工智能之前，我们有必要讨论一下基本的学习方法🤔
|
||
|
||
|
||
|
||
::: tip 🙆“完整游戏”理念
|
||
哈佛大学的教授大卫·帕金斯（David Perkins），对于教学他的基本理念是教授“整场游戏”。打个比方，如果你在教别人棒球，你首先要带他们去看一场棒球比赛，或者让他们去打棒球。你不会在开始的时候教他们如何从头开始缠绕线制作棒球、抛物线的物理学，或者球在球棒上的摩擦系数，这样太蠢了。
|
||
:::
|
||
|
||
::: tip 🙆 可怕的假设
|
||
保罗·洛克哈特（Paul Lockhart）是哥伦比亚大学的数学博士，他在有影响力的文章《数学家的哀歌》中想象了一个噩梦般的世界——当音乐和艺术的教学方式是数学的教学方式：在音乐课上，孩子们在花了十多年的时间掌握乐谱和理论，在课堂上将乐谱转换为不同的调之前，不允许听或演奏音乐；在艺术课上，学生们学习颜色和涂抹器，但直到大学才被允许真正绘画。
|
||
:::
|
||
|
||
听起来很荒谬？这就是数学的教学方式——我们要求学生花费数年时间死记硬背，学习枯燥、不连贯的基础知识，我们声称这些基础知识会在他们**大多数人退出这门学科很久之后得到回报**。
|
||
|
||
不幸的是，这是许多关于深度学习的教学资源开始的地方——要求学习者遵循 Hessian 的定义和损失函数的 Taylor 近似定理，而从未给出实际工作代码的示例。我们不是在敲微积分，微积分是非常棒的工具，但我们认为这不是学习深度学习的最佳起点 😎 ！
|
||
|
||
## 二、AI模块概览
|
||
🌈 **导引部分**
|
||
|
||
主要的功能是帮助初学者入门，涉及AI的学习方法，AI的基础概念，AI的基础使用方法等。
|
||
|
||
无论是想要深入学习AI的专业人士，还是对AI充满好奇心的普通人，本部分都将提供有价值的见解。
|
||
|
||
🌈 **系统课程**
|
||
|
||
对于一些优秀课程的本地化，你可以直接阅读我们的文档进行学习，也可以自己寻找相应课程，将我们的文档作为辅助。
|
||
|
||
主要的课程内容有：
|
||
- **【人工智能导论】CS50** ：介绍现代AI的基本概念和算法，包括图形搜索算法、分类、优化、机器学习、大型语言模型等内容。通过实践项目加深理解。
|
||
- **【深度学习】ARENA：** 快速掌握现代工程方面知识和能力.主要聚焦于神经网络,大模型,强化学习等领域。
|
||
- **【深度学习】Numpy100+Pytorch系列：** 解析大型语言模型（LLM）的内部机制，帮助读者更好地理解LLM的工作原理。
|
||
- **【应用】DeepLearning：** 通过该领域领导者教授的基础专业和特定技能的短期课程。
|
||
|
||
🌈 **杂谈部分**
|
||
|
||
精选并本地化翻译一系列有趣的文章和论文，涵盖AI领域的最新进展和技术应用。
|
||
|
||
## 三、学习路径规划
|
||
这份学习路径只是一个大致的方向，学习的过程因人而异😇😇
|
||
|
||
我们的学习路径规划很简单：
|
||
|
||
⭐ **第一步：入门实践与基础知识**
|
||
|
||
- 基本的使用，包括日常AI工具的推荐，并指导如何有效地编写提示词以获得最佳结果。
|
||
- 简要解释深度学习的基本概念，如神经网络的工作原理，以及大模型是如何通过大量数据进行训练的。这些内容都很简单易懂。
|
||
|
||
⭐ **第二步：动手实践**
|
||
|
||
- 带大家手把手部署几个模型，学会最基本的使用方法
|
||
- 可以选择文生图、角色模型微调等各类项目
|
||
|
||
⭐ **第三步：回归理论**
|
||
|
||
- 稍微深入学习构建大模型所需的基础框架
|
||
- 包括Numpy和PyTorch等工具的语法，并通过小型项目练习这些技能。
|
||
|
||
⭐ **第四步：独立项目**
|
||
|
||
- 具体实操，从头到尾自己做一个实打实的项目
|
||
|
||
## 四、关于AI学习的一些问题
|
||
**1. 学习AI能为我带来什么？**
|
||
|
||
- 职业机会：还是因为AI太火爆了，当非常多的钱涌入，他就自然会有很多就业的岗位产生了。
|
||
- 解决复杂问题的能力：我们往往要思考怎么样才能用AI的方式去解决一个本来很复杂的编程问题，现在有了GPT让这变得很简单。
|
||
- 跨学科学习：AI和多个领域相结合，目前考研候做的方向多数都是AI，哪怕他的专业是物理化学甚至说是文科，所以他们还是很喜欢有AI学习经历的人的。
|
||
- 好玩：AI+娱乐，你不想搞一个自己的猫娘吗？
|
||
|
||
**2. 不管什么专业的人，不管有没有基础都可以来学习AI吗？**
|
||
|
||
- 对于不同背景的人来说，学习AI有不同的路径。如果你的目的仅仅是使用像GPT这样的工具，你可以专注于学习如何应用这些工具，而不需要深入了解背后的数学原理。例如，你可以学习如何使用GPT进行文本生成、问答、翻译等任务。
|
||
- 但是，如果你希望日后从事AI相关行业或者进行更深入的研究，那么具备一定基础会非常有帮助。
|
||
|
||
**3. 我数学不够好怎么办，可以学习AI吗？**
|
||
|
||
- 尽管数学是AI的重要组成部分，但它并不是学习AI的绝对障碍。
|