AI学习网站
更新于2026年07月14日
Generative AI for Beginners
Generative AI for Beginners 是由微软 Cloud Advocates 团队推出的十二章生成式AI入门系列课程，旨在教授构建生成式 AI 应用程序的基础知识。课程每章均涵盖生成式人工智能原理与应用程序开发的关键知识点，并提供导学视频、书面材料、代码示例及进阶学习资源推荐。通过系统学习，你将具备建立自己的生成式人工智能产品和工具的能力，从而实现应用AIGC技术的想法。
此外，该课程还新增了9集生成式AI专题视频教程，深入探讨大型语言模型（LLM）原理、高效的提示工程技术及图像生成等关键实战技能，旨在全面提升学习者在生成式AI领域的专业技能与实际操作能力。
课程目录与学习目标
- 00 课程介绍和学习环境设置：介绍学习环境配置和课程结构，帮助您在学习本课程时取得成功。
- 01 生成式人工智能和 LLMs 介绍：讲解生成式人工智能及如何适应当前技术格局，了解什么是生成式人工智能以及LLMs的工作原理。
- 02 探索和比较不同的 LLMs：学习测试、迭代和比较不同的LLMs模型，为您的应用场景选择正确的模型。
- 03 负责任地使用生成式人工智能：了解基础模型的局限性和人工智能背后的风险，学习如何负责任地构建应用程序。
- 04 提示工程基础：分享提示工程最佳实践，了解提示结构和用法。
- 05 创建高级的提示工程技巧：通过在提示中应用不同技术扩展知识，应用提示工程技术改善提示结果。
- 06 创建文本生成应用：使用Azure OpenAI构建文本生成应用程序，了解如何有效使用令牌和温度改变模型输出。
- 07 创建聊天应用：掌握构建和集成聊天应用程序的技术，确定关键指标和注意事项以监控和维护AI聊天应用质量。
- 08 创建搜索应用：讲解语义搜索与关键字搜索、文本嵌入及其在搜索中的应用，创建使用嵌入搜索数据的应用程序。
- 09 创建图像生成应用：了解图像生成在构建应用程序中的作用并构建图像生成应用程序。
- 10 创建低代码的人工智能应用：介绍Power Platform中的生成式AI，使用低代码为教育初创公司构建学生作业跟踪应用程序。
- 11 为生成式AI添加function calling：了解Function Calling及其使用示例，设置Function Calling从外部API检索数据。
- 12 为人工智能应用程序添加用户体验：设计人工智能应用程序以实现信任和透明度，开发生成式AI应用时用户体验设计的相关原则。
- 13 保护您的生成式AI应用：了解AI系统面临的威胁和风险，掌握安全措施以确保应用的可靠性和安全性。
- 14 生成式AI应用生命周期：管理LLM生命周期和LLMOps的工具和指标，了解如何管理应用整个生命周期（包括部署、监控和优化）。
- 15 检索增强生成(RAG)和向量数据库：使用RAG框架从向量数据库中检索嵌入的应用，结合检索增强生成技术提升应用性能和准确性。
- 16 开源模型与Hugging Face：使用Hugging Face上的开源模型创建应用，利用开源平台模型资源快速构建应用。
- 17 AI代理：了解AI代理概念，使用AI代理框架创建应用并构建智能应用。
- 18 微调LLM：讲解微调LLM的内容、原因和方法，掌握对大型语言模型进行微调以适应特定业务需求。
- 19 使用SLM构建：了解小型语言模型的特点、应用场景及构建高效应用的优势。
- 20 使用Mistral模型构建：掌握Mistral系列模型的特点和差异，学习在实际应用中选择合适的模型。
- 21 使用Meta模型构建：了解Meta系列模型的特点、优势和应用场景，利用它们构建高级应用。
- 拓展学习：包含每章内容的拓展链接，帮助掌握生成式人工智能相关技能。
主要功能
- 基础教学：提供生成式人工智能基础知识，使初学者能理解基础原理和工作机制。
- 模型介绍：介绍不同的生成式AI模型（包括大型语言模型LLMs），解释模型的应用和限制。
- 技术应用：展示如何在实际项目中应用生成式AI技术，涵盖文本生成、图像创作和聊天机器人开发等。
- 实践练习：通过动手实验和项目练习，让学习者亲自操作生成式AI工具和平台，增强实践能力。
- 创新指导：鼓励学习者探索生成式AI的创新用途，激发创造性思维和解决问题的能力。
应用场景
- 内容创作：帮助作家、设计师和艺术家快速生成创意内容，如文本、图像和音乐。
- 客户服务：创建聊天机器人，自动回答常见问题，提供个性化服务。
- 教育和培训：开发个性化学习材料和模拟训练环境，适应不同学习者的需求。
- 游戏开发：自动生成游戏关卡、故事线和非玩家角色（NPC）的行为模式。
- 医疗健康：帮助医生分析医疗图像，预测疾病发展，制定个性化治疗方案。
