mirror of
https://github.com/microsoft/ai-edu.git
synced 2026-08-28 17:41:25 +08:00
TobeyQin
66 lines
6.5 KiB
Markdown
66 lines
6.5 KiB
Markdown
# 案例实践
|
|
|
|
以“做中学“的理念为核心，从人工智能真实的应用场景与案例出发，先讲生动的案例，配合详实的实际操作说明，然后在动手实现场景的基础上，逐步引入人工智能学习中的相关理论知识，以递进学习的新颖方式层层剖析人工智能开发的主流场景，让大家在不需要大量时间学习庞大的理论基础的情况下，也可以真正动手开始进行人工智能应用的开发，提高实际动手的能力.
|
|
|
|
**<font size=3>1 初级实战案例</font>**
|
|
|
|
- 适用人群：AI小白，想简单认识AI，简单了解人工智能应用开发过程，或者想快速利用成熟的人工智能API给自己开发的应用添加人工智能元素。非计算机专业的学生也可以适用。
|
|
- 内容：基础人工智能案例资源，覆盖计算机视觉，自然语言处理，语音识别等领域。
|
|
- 先修知识：了解C#基本语法。[点击这里查看参考资料](https://github.com/microsoft/ai-edu/tree/master/Reference.md#C#)
|
|
- 学习时长：10~16 小时
|
|
- 学习目标：认识AI,初步了解AI应用开发过程，通过人工智能API使用已有模型，开发人工智能应用。
|
|
|
|
**初级实战案例学习路径参考**
|
|
|
|
序号|内容|知识点|备注
|
|
:--:|-----------|-----------|:---:
|
|
1|[数学基础](https://github.com/microsoft/ai-edu/tree/master/A-基础教程/A1-PythonBasic/math_intro)|代数基础，微积分基础，线性代数基础，概率统计基础|可选
|
|
2|[Python语言导论](https://github.com/microsoft/ai-edu/tree/master/A-基础教程/A1-PythonBasic/py_intro)|编程环境介绍，变量和数据类型，函数和库，Numpy，绘图|可选
|
|
3|[计算机视觉初级案例-漫画翻译](./B01-漫画翻译/README.md)|数据预处理，小型客户端软件的界面设计与实现，商业应用软件的架构设计，REST API ，OCR应用开发|必选
|
|
4|[计算机视觉初级案例-看图识熊](./B03-看图识熊/README.md)|数据标记,数据预处理,离线模型推理应用,基于定制化视觉服务的应用开发|必选
|
|
5|[自然语言理解初级案例-问答机器人](./B02-问答系统和对话机器人服务/README.md)|微软认知服务中知识库服务（QnA maker）的申请与搭建;使用REST API访问知识库数据；机器人服务（Bot Service）的申请与搭建；集体成知识库服务与机器人服务|必选
|
|
6|[自然语言理解初级案例-智能家居](./B04-智能家居/README.md)|数据标记；数据预处理；在线定制语言理解服务；智能家居应用开发|必选
|
|
7|[语音识别初级案例-智能听书](./B05-文本朗读应用/README.md)|TTS API的申请和使用；TTS应用的构建；智能听书功能实现|必选
|
|
8|[扩展阅读-搭建中间服务层](./B06-搭建中间服务层/README.md)|商业应用软件的架构设计|可选
|
|
|
|
本部分内容也可以结合 **[神经网络初探](https://github.com/microsoft/ai-edu/tree/master/A-基础教程#2-神经网络简明原理)** 的理论知识完成理论加实践的AI入门学习
|
|
|
|
**<font size=3>2 中级实战案例 </font>**
|
|
|
|
- 适用人群：具有人工智能一定理论基础/编程经验的的学生、程序员。有一定的AI 入门知识，想进一步理解AI，并真正可以动手开发人工智能应用。
|
|
- 内容：基础人工智能案例资源，覆盖计算机视觉，自然语言处理，语音识别等领域。
|
|
- 先修知识：Python;CNN;RNN;主流深度学习框架[点击这里查看参考资料](https://github.com/microsoft/ai-edu/tree/master/Reference.md#Python)
|
|
- 学习时长：20~30小时
|
|
- 学习目标：理解AI,学会基于常用工具、主流Framework 搭建AI模型，开发人工智能应用。
|
|
|
|
**中级实战案例学习路径参考**
|
|
|
|
序号|内容|知识点|备注
|
|
:--:|-----------|-----------|:---:
|
|
1|[计算机视觉中级案例-手写算式计算器](./B09-手写算式计算器/README.md)| TensorFlow模型到 .Net Framework应用环境的快速集成；基于本地MNIST模型的手写数字识别应用开发|必选
|
|
2|[自然语言理解中级案例-智能对联](./B13-AI对联生成案例/README.md)|数据预处理；机器翻译编码-解码过程剖析；模型训练与调参；模型推理；在线服务的搭建；基于微信的AI小程序开发）|必选
|
|
3|[游戏AI/强化学习中级案例-黄金点](./B08-黄金点游戏/README.md)|游戏AI策略；多个游戏AI比赛的实现|可选
|
|
4|[中级案例-预测股票走势](./B11-量化交易案例/README.md)|量化交易的经典过程；股价预测的建模理念；特征工程的一般方法；梯度提升决策树模块（lightbgm）的使用方法；深度学习神经网络框架（Keras）的使用 |必选
|
|
5|[扩展阅读-机器学习平台建设](./B10-机器学习平台建设/README.md)|机器学习平台的架构；机器学习平台的功能；微软开源机器学习平台OpenPAI | 可选
|
|
|
|
|
|
|
|
本部分内容也可以结合 **[神经网络进阶](https://github.com/microsoft/ai-edu/tree/master/A-基础教程#2-神经网络简明原理)** 以及 **[深度网络基础](https://github.com/microsoft/ai-edu/tree/master/A-基础教程#2-神经网络简明原理)** 的理论知识完成理论加实践的AI进阶学习
|
|
|
|
**<font size=3>3 高级实战案例</font>**
|
|
- 适用人群：已经深刻理解AI原理，想通过学习或者共建微软亚洲研究院的开源案例/项目，进行AI领域前沿性研究。
|
|
- 内容：微软亚洲研究院前沿性研究的开源项目/案例。
|
|
- 学习目标：进行AI领域前沿性研究。
|
|
|
|
**高级实战案例学习路径参考**
|
|
|
|
序号|内容|知识点
|
|
:--:|-----------|-----------
|
|
1|[高级实战案例-基于深度学习的代码搜索案例](./B15-基于深度学习的代码搜索案例/README.md)|理解自然语言并按要求产生可用的代码
|
|
2|[高级实战项目-NNI (Neural Network Intelligence)](https://github.com/Microsoft/nni)|微软开源的自动机器学习工具;调参器算法的实现，评估器算法的实现
|
|
3|[高级实战项目-Open Platform for AI (OpenPAI)](https://github.com/Microsoft/pai)|微软开源GPU管理利器
|
|
4|[高级实战项目-LightGBM](https://github.com/Microsoft/LightGBM)|boosting框架
|
|
5|[高级实战项目-基于近邻图的向量搜索案例](./B12-基于近邻图的向量搜索案例/README.md)|在大规模向量中快速搜索最近邻
|
|
6|[高级实战案例-中文文本蕴含深度学习模型](./B14-快速构建中文文本蕴含深度学习模型/README.md) | 数据预处理； 微软开源NLP深度学习建模工具包Neuronblocks
|
|
7|[高级实战案例-基于LightGBM的时间序列预测](./B16-基于LightGBM的时间序列预测/README.md)
|