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.