機器學習從入門到入行：24個項目實踐AI

前言

本書內容

歡迎來到《機器學習從入門到入行：24個項目實踐AI》—— 微軟 AI for Beginners 課程的中文版！本課程由微軟 Azure 雲倡導者團隊精心設計，旨在為初學者提供一個全面且易於理解的人工智能入門指南。課程為期12周，共24節課，涵蓋從傳統符號人工智能到現代深度學習的廣泛主題。在本課程中，你將學習：

（1）人工智能簡史：介紹人工智能的發展歷程。

（2）符號人工智能：探討知識表示與專家系統。

（3）神經網絡簡介：從感知機到多層感知機，再到神經網絡框架。

（4）電腦視覺：包括捲積神經網絡、預訓練網絡、生成對抗網絡（GAN）等。

（5）自然語言處理（NLP）：涵蓋文本表示、嵌入、語言模型、循環神經網絡（RNN）等。

（6）其他人工智能技術：如遺傳算法、深度強化學習和多智能體系統。

（7）人工智能的倫理與責任：討論人工智能的社會影響和倫理問題。

課程鏈接編號

英文版課程包含大量較長的鏈接，不便使用，中文版將絕大部分鏈接通過鏈接編號提供，讀者可以通過此書的鏈接列表頁面（掃描下麵二維碼）訪問，依據索引編號訪問對應的鏈接。

 

如何使用本書

存儲庫

本書配套有存儲庫，其中提供了中文版的Jupyter Notebook 文件。這些 Notebook文件包含了課程中的代碼示例、實踐練習和理論講解，幫助讀者更好地理解和應用人工智能技術。存儲庫的地址為https://gitee.com/mouseart2023/AI-For-Beginners-notebook-ch

運行 Jupyter Notebook 的兩種方法

本書包含大量可執行的示例和實踐內容，你需要在 Jupyter Notebook 中運行 Python 程序。為了簡化操作流程，以下是為中文用戶推薦的兩種主要方法。

方法一：在本地電腦上運行

（1）安裝 Miniconda。Miniconda 是一個輕量級的 Python 發行版，支持創建和管理不同的虛擬環境。

① 下載 Miniconda 安裝包：在Miniconda的官網選擇適合你的操作系統的版本，並下載。

② 根據提示完成安裝。

（2）獲取中文版課程存儲庫。使用如下代碼

git clone https://gitee.com/mouseart2023/AI-For-Beginners-notebook-ch.git

（3）創建並激活虛擬環境。打開終端或命令提示符，導航到復制的存儲庫目錄，然後創建並激活虛擬環境，代碼如下：

cd AI-For-Beginners-notebook-ch

conda env create --name ai4beg --file environment.yml

conda activate ai4beg

（4）安裝 Visual Studio Code 和 Python 擴展。

① 下載並安裝 Visual Studio Code。

② 啟動 VS Code，安裝官方的 Python 擴展（可以在擴展市場中搜索“Python”並安裝由 Microsoft 提供的擴展）。

（5）運行 Jupyter Notebook。

①在 VS Code 中打開 AI-For-Beginners-notebook-ch 文件夾。

② 打開任意一個 .ipynb 文件，VS Code 會自動提示安裝所需的依賴項，請按照提示完成安裝。

③選擇剛剛創建的 ai4beg 虛擬環境作為 Python 解釋器。

④ 現在，你可以在 VS Code 中直接運行和編輯 Notebook了。

方法二：使用本地 Jupyter 環境

（1）安裝 Miniconda。同方法一中的步驟（1）。

（2）獲取中文版課程存儲庫。同方法一中的步驟（2）。

（3）創建並激活虛擬環境。同方法一中的步驟（3）。

（4）安裝 Jupyter Notebook。在激活的虛擬環境中安裝 Jupyter Notebook，代碼如下：

conda install jupyter

（5）啟動 Jupyter Notebook。在終端或命令提示符中，導航到存儲庫目錄。運行以下命令：

jupyter notebook

瀏覽器會自動打開 Jupyter 的界面，你可以在其中打開並運行任意 .ipynb 文件。

推薦使用方法

對於大多數用戶，我們推薦方法一：在本地電腦上運行，因為它提供了一個集成的開發環境，便於編寫和調試代碼。同時，使用 Visual Studio Code 可以獲得更好的代碼提示和版本控制支持。

自學建議

閱讀本書需要一些Python編程和線性代數、統計學的基礎，本書不展開講解，網上可以找到豐富的學習資源，有需要的讀者可以自行學習。下麵是幾點學習建議：

●  

 

從課前小測驗開始，激發學習興趣。

●  

 

  

閱讀課程內容，理解理論知識。

●  

 

  

運行並修改 Notebook 中的代碼，進行實踐操作。

●  

 

  

完成課後測驗，鞏固所學知識。

●  

 

  

如果課程包含實踐內容，盡量完成以加深理解。

註意事項

●  

 

網絡訪問：確保你的網絡能夠訪問 Gitee 和 GitHub（如果選擇從 GitHub 復制）。

●  

 

依賴安裝：創建虛擬環境時，environment.yml 文件會自動安裝所需的依賴項，請確保你的網絡連接穩定。

●  

 

資源需求：某些課程內容可能需要較高的計算資源，建議使用性能較好的電腦。

如果在安裝或運行過程中遇到問題，請參考以下資源：

●  

 

課程鏈接索引：見上面“課程鏈接編號”部分的二維碼。

●  

 

中文社區支持：加入相關技術社區或論壇，尋求更多幫助。

我們希望這些簡化的步驟能幫助你順利開始學習人工智能。祝學習愉快！

榮譽與貢獻

●  

 

主要作者：Dmitry Soshnikov 博士

●  

 

編輯：Jen Looper 博士

●  

 

插畫家：Tomomi Imura

●  

 

中文翻譯團隊：馮磊、周慧梅

●  

 

封面設計：孟依卉

●  

 

中文版式設計：馮磊

 

目 錄

第1篇　概述與早期人工智能 001

第 1 課　人工智能簡介 003

第 2 課　知識表示與專家系統 010

第2篇　神經網絡簡介 035

第 3 課　神經網絡簡介：感知機 037

第 4 課　神經網絡簡介：多層感知機 054

第 5 課　神經網絡框架 075

第3篇　電腦視覺 115

第 6 課　電腦視覺與 OpenCV 116

第 7 課　捲積神經網絡 127

第 8 課　預訓練網絡與遷移學習 151

第 9 課　自編碼器 190

第 10 課　生成對抗網絡 219

第 11 課　目標檢測 246

第 12 課　圖像分割 259

第4篇　自然語言處理 281

第 13 課　將文本表示為張量 284

第 14 課　詞嵌入 301

第 15 課　語言模型 319

第 16 課　循環神經網絡 330

第 17 課　生成網絡 344

第 18 課　註意力機制與Transformer 358

第 19 課　命名實體識別（NER） 379

第 20 課　預訓練的大型語言模型 387

第5篇　其他人工智能技術 397

第 21 課　遺傳算法 398

第 22 課　深度強化學習 407

第 23 課　多智能體系統 428

第 24 課　人工智能的倫理與責任 433

附錄A　多模態網絡、CLIP 和 VQGA 435

附錄B　本書主頁及習題答案 440