Jestliže jsme se nedávno v Genbetu podělili o bezplatný vzdělávací kurz o generativní umělé inteligenci, který nabízí společnost Google, dnes doplníme vaše vzdělávání doporučením kurzu o umělé inteligenci, který je rovněž zdarma, ale tentokrát jej vytvořila společnost Microsoft.
A zatímco ten první (určený, připomeňme, k absolvování za 12 dní) se zaměřoval na řadu velmi specifických technologií a nástrojů AI, tento nabízí hlubší ponor do této rychle se rozvíjející technologické oblasti a trvá sedmkrát déle.
Co tento kurz nabízí?
Ve světě, kde se umělá inteligence rychle stává nezbytným nástrojem v mnoha oborech, se nám ji společnost Microsoft snaží trochu usnadnit spuštěním kurzu „Umělá inteligence pro začátečníky – učební plán“.
Tento vzdělávací program určený pro začátečníky slibuje být komplexním a přístupným průvodcem pro každého, kdo chce začít nebo prohloubit své znalosti umělé inteligence.
To, co tento kurz odlišuje, je jeho praktický, na projektech založený přístup. Každá lekce obsahuje materiály k předběžné četbě a spustitelné pracovní sešity Jupyter, které se prostřednictvím praktických příkladů hlouběji zabývají teoretickými koncepty.
Tyto pracovní sešity jsou speciálně navrženy pro nejoblíbenější frameworky – TensorFlow a PyTorch – a umožňují studentům experimentovat přímo s nástroji používanými v oboru. Jedinou nevýhodou kurzu Microsoft je, že je v angličtině.
Kurz představuje komplexní vzdělávací přístup, který trvá 12 týdnů a je rozdělen do 24 podrobných lekcí, které se zaměřují na různé aspekty umělé inteligence:
Úvod do umělé inteligence:
- Historie a základy umělé inteligence.
- Různé přístupy k umělé inteligenci, včetně symbolické umělé inteligence (GOFAI) s reprezentací znalostí a uvažováním.
Neuronové sítě a hluboké učení:
- Klíčové koncepty neuronových sítí a hlubokého učení.
- Použití TensorFlow a PyTorch k ilustraci těchto konceptů prostřednictvím kódu.
Neuronové architektury pro obrázky a text:
- Nejnovější modely pro práci s obrázky a textem.
- Průzkum méně populárních přístupů v umělé inteligenci, jako jsou genetické algoritmy a multiagentní systémy.
Počítačové vidění:
- Úvod do počítačového vidění a použití OpenCV.
- Konvoluční neuronové sítě a jejich architektury.
- Předtrénované sítě a transferové učení.
Zpracování přirozeného jazyka (NLP):
- Základy NLP a reprezentace textu.
- Jazykové modely a rekurentní neuronové sítě.
- Transformátory a rozsáhlé jazykové modely.
Další techniky v umělé inteligenci:
- Genetické algoritmy a hluboké posilovací učení.
- Víceagentové systémy a jejich aplikace.
Etika v umělé inteligenci:
- Zásady odpovědné umělé inteligence a etika v technologiích.
Tato podrobná struktura zaručuje, že studenti získají nejen solidní teoretické znalosti, ale také si osvojí praktické dovednosti nezbytné pro aplikaci v reálném světě.