序章

本讲义是由 131AIClub（东南大学人工智能协会）开设的人工智能入门系列课程 MS for AI 配套讲义。

[这里填课程视频]

[鸣谢等内容]

是什么

MS for AI，全称为“Missing Semester for Artificial Intelligence”，即“人工智能教育中缺失的一课”。本课程旨在补全本科教育中有关人工智能教育的缺失部分。本科教育重理论，轻实践，并且缺乏领域前沿知识。因此本课程重实践，并且会涉及更多与业界正在使用的技术相关的知识。

本课程难度低于“动手学深度学习”。相比其更加入门，门槛更低。

讲什么

本课程将从 AI 领域的总览开始，先讲解 AI 领域的历史与发展，现代的技术栈，形成整体的观念；第二，三章将讲解 AI 开发所需的基本技能，如 Python 基础，张量计算等；第四章将讲解机器学习任务的基本组成，从较概括的视角描述 AI；第五章将介绍深度学习框架 PyTorch，同时也会补全更多有关深度学习的理论；第六，七章分别介绍深度学习在计算机视觉与自然语言处理中的运用；第八章将详细讲解 Transformer 架构；第九章将讲解大型语言模型的基本原理，训练流程，在这个过程中将补全一点强化学习知识；第十章将讲解多模态技术。

客观来说，本课程较为功利。基本只挑选了最有用的知识。这也是因为传统机器学习的大部分方法，同学都可以在课内学习到。而编程技巧，在课内则缺乏锻炼。例如 Numpy 与 PyTorch 编程，对推理框架的理解等。

但是本课程仅仅为入门课程，缺乏大量数学原理和细节。这些都需要同学根据兴趣，自己深入研究。本课程更多起到入门与拓宽视野作用。

怎么学

本课程面向几乎 0 基础的同学。想要比较扎实地完成本课程，你最好需要：

• 坚持。
• 自己搜寻资料，学习，然后解决问题的能力。对于没有接触过 AI 的同学来说，AI 的一些理论理解起来是比较花时间的，而且理论到实践的 gap 也非常大。这期间一定会出现大量本课程无法涵盖，社区也无法及时回答的问题，这就需要同学可以自己解决。
• 一点点计算机基础（最好是上过计算机通识课程，掌握基本程序设计思想，熟悉终端与命令行等）

课程的作业最好还是自己完成一下。对于很多同学来说，解决问题的过程中培养的自主解决问题的能力其实才是最大的收获。