在 Devin 中试用 DeepWiki 处理私有仓库
DeepWiki

microsoft/generative-ai-for-beginners

菜单

概述

相关源文件

本文档提供了“生成式人工智能入门”课程的全面介绍。该课程由 Microsoft Cloud Advocates 开发，包含 21 课，旨在教授构建生成式人工智能应用的基础知识。本概述将解释课程结构、目标受众、核心概念以及开始生成式人工智能开发所需的技术要求。

有关特定开发环境设置的信息，请参阅课程结构与设置。

来源：README.md17-21 00-course-setup/README.md1-4

课程目标与受众

“生成式人工智能入门”课程面向希望开始构建利用生成式人工智能能力的应用程序的开发人员、学生和技术爱好者。本课程旨在

  • 教授生成式人工智能和大型语言模型（LLMs）的基础概念
  • 提供构建各种生成式人工智能应用的实践经验
  • 指导学习者负责任且合乎道德地使用生成式人工智能
  • 演示将生成式人工智能能力集成到不同类型的应用程序中

本课程适合人工智能初学者以及希望将知识扩展到生成式人工智能领域的经验丰富的开发人员。掌握 Python 或 TypeScript 的基本知识会很有帮助，但并非必需，因为课程提供了这两种语言的示例。

来源：README.md19-21 README.md31-42

课程结构与内容

该课程分为 21 课，每课涵盖生成式人工智能的一个特定方面。课程分为“学习”（解释概念）或“构建”（提供实际代码示例）。课程内容从基础概念逐步深入到高级应用。

课程结构图

来源：README.md67-92 README.md23-26 README.md69-76

核心概念

前五课涵盖了理解生成式人工智能所需的奠基知识

  1. 生成式人工智能和 LLMs 入门 - 解释什么是生成式人工智能，LLMs 如何工作及其功能
  2. 探索和比较不同的 LLMs - 指导选择适合特定用例的模型
  3. 负责任地使用生成式人工智能 - 涵盖道德考量和最佳实践
  4. 理解提示工程基础 - 教授有效提示的核心原则
  5. 创建高级提示 - 探索高级技术以改进提示结果

来源：01-introduction-to-genai/README.md1-23 02-exploring-and-comparing-different-llms/README.md1-26 README.md77-84

构建应用程序

第 6 至第 12 课侧重于不同类型生成式人工智能应用的实际实现

  1. 构建文本生成应用程序 - 创建使用 LLMs 生成文本的应用程序
  2. 构建聊天应用程序 - 实现对话界面
  3. 使用向量数据库构建搜索应用程序 - 使用嵌入进行语义搜索
  4. 构建图像生成应用程序 - 创建生成图像的应用程序
  5. 构建低代码 AI 应用程序 - 使用 Power Platform 进行 AI 解决方案
  6. 与函数调用集成 - 将外部函数与 LLMs 连接
  7. 为 AI 应用程序设计 UX - 将最佳 UX 实践应用于 AI 应用程序

来源：06-text-generation-apps/README.md1-13 07-building-chat-applications/README.md8-16 08-building-search-applications/README.md7-13 09-building-image-applications/README.md6-22 10-building-low-code-ai-applications/README.md8-17 11-integrating-with-function-calling/README.md5-24 12-designing-ux-for-ai-applications/README.md8-13 README.md77-84

应用程序类型图

来源：06-text-generation-apps/README.md134-142 07-building-chat-applications/README.md65-78 08-building-search-applications/README.md40-50 09-building-image-applications/README.md136-151 10-building-low-code-ai-applications/README.md44-53 11-integrating-with-function-calling/README.md179-192

高级主题

第 13 至第 21 课涵盖了高级概念和技术

  1. AI 应用安全 - 理解威胁、风险和安全实践
  2. 生成式 AI 应用生命周期 - 管理 LLMOps 和模型生命周期
  3. RAG 和向量数据库 - 使用检索增强生成来增强 LLM 输出
  4. 开源模型和 Hugging Face - 使用开源替代方案
  5. AI 代理 - 使用 AI 代理框架构建应用程序
  6. 微调 LLMs - 定制模型以适应特定用例 19-21。使用小型语言模型 - 探索 Mistral、Meta 和其他小型语言模型

来源：README.md84-92

技术架构

该课程整合了不同的 AI 服务和技术，它们相互作用以构建完整的应用程序。下图说明了课程中使用的技术组件。

来源： 00-course-setup/README.md15-32 README.md32-39 06-text-generation-apps/README.md81-104 08-building-search-applications/README.md75-76 10-building-low-code-ai-applications/README.md119-132

技术要求和设置

要完成本课程，您需要

  1. 开发环境:

    • Python（推荐 3.10 或更高版本）或 TypeScript 知识
    • GitHub 帐户，用于 fork 仓库
    • 可选：GitHub Codespaces 或本地开发环境

  2. API 访问:

    • 访问以下任一选项
      • Azure OpenAI 服务
      • OpenAI API
      • GitHub Marketplace 模型目录

  3. 环境配置:

    • 设置环境变量以供 API 密钥使用
    • 创建虚拟环境（推荐）
    • 安装所需的依赖项

课程提供了一个专门的设置课程（第 0 课），其中包含每种设置选项的详细说明。

来源： 00-course-setup/README.md8-32 README.md32-40 06-text-generation-apps/README.md555-570

学习路径和资源

本课程设计灵活，允许学习者根据自己的兴趣和先有知识选择不同的学习路径。

重点领域推荐课程
快速入门课程 0-5：设置和核心概念
文本应用程序课程 6、7、11：文本生成、聊天、函数调用
搜索应用课程 8、15：向量搜索、RAG
视觉应用程序课程 9、12：图像生成、UX 设计
企业应用课程 10、13、14：低代码、安全、生命周期管理
高级开发课程 16-21：开源模型、代理、微调、小型模型

其他资源

本课程是 AI 领域更广泛学习生态系统的一部分，并与其他资源相关联

  • Discord 服务器，用于社区支持和交流
  • Microsoft for Startups Founders Hub，面向寻求实施 AI 的初创公司
  • 关于 AI、ML 和其他技术的相关课程
  • 生成式 AI 学习集，用于持续教育

来源： README.md48-53 README.md100-116 00-course-setup/README.md189-196

结论

“生成式 AI 入门”课程为使用生成式 AI 构建应用程序提供了全面的入门指导。通过 21 节课程，它涵盖了从基本概念到高级技术的各种内容，并提供了 Python 和 TypeScript 的实际代码示例。无论您是想了解 LLM 的工作原理、构建特定类型的 AI 应用程序，还是探索 RAG 或微调等前沿技术，本课程都提供了结构化的指导，帮助您实现目标。

本课程在 AI 领域的最新进展方面不断发展，并欢迎社区贡献，以进一步改进课程。

来源： README.md17-21 README.md56-58