Awesome AIGC Tutorials

Fantastische AIGC -Tutorials

Englisch | 中文版

Fantastische AIGC -Tutorials beherbergen eine kuratierte Sammlung von Tutorials und Ressourcen, die sich über große Sprachmodelle, KI -Malerei und verwandte Felder erstrecken. Entdecken Sie eingehende Einsichten und Wissen, die sowohl für Anfänger als auch für fortgeschrittene KI-Enthusiasten gesorgt haben.

? Neuere Updates

• [2024-02-18]-? Neuen Kurs hinzugefügt: CSCI-GA.3033-102 Speziales Thema-Lernen mit großen Sprachen- und Vision-Modellen in multimodal.
• [2024-02-14]-Neuer Kurs hinzugefügt: CS11-711 Advanced Natural Language Processing in großsprachigen Modellen.
• [2024-02-14]-Neues Seminar hinzugefügt: AI-Systems (LLM Edition) 294-162 im AI-System.

? Wie man beiträgt

Wir begrüßen Beiträge von allen, ob Sie einen Tippfehler gefunden haben, einen Fehler, einen Vorschlag haben oder eine Ressource mit AIGC teilen möchten. Detaillierte Richtlinien zum Beitrag zum Beitrag finden Sie in unserer Datei mit beitragen.md.

Inhalt

• Einführung
• Großsprachige Modelle
  • Schnelltechnik
  • ? LLMs in der Praxis
  • ? Theorie von LLMs
• ? KI -Malerei
  • ? ‍? Kunstfundamentaldaten und KI -Maltechniken
  • ? Stabile Diffusionsprinzipien und Anwendungen
• ? AI Audio
• ? Multimodal
• ? Tiefes Lernen
• KI -System
• ? Verschiedenes
  • Sterngeschichte
  • ? Freundschaftslinks

Einführung

• KI für alle - Andrew Ng
  • "AI für alle" ist ein Leitfaden für Anfänger, um die praktischen Anwendungen von AI, seine Grenzen und seine gesellschaftlichen Auswirkungen zu verstehen, ideal für Geschäftsleute und Führungskräfte.
• Praktische KI für Lehrer und Schüler - Wharton School
  • Der Crash -Kurs von Wharton Interactive befasst sich mit den Mechanik und Auswirkungen von LLMs, wobei Modelle wie OpenAIs ChatGPT4, Microsoft's Bing im kreativen Modus und Googles Bard ins Rampenlicht stehen.
• Künstliche Intelligenz für Anfänger - Microsoft
  • Dieser 12-wöchige Microsoft-Lehrplan taucht tief in KI-Methoden ein und sparsame symbolische KI in neuronale Netzwerke und unterstreicht gleichzeitig TensorFlow- und Pytorch-Frameworks, lässt Geschäftsanwendungen, klassisches maschinelles Lernen und bestimmte Cloud-spezifische Themen aus.
• Generatives KI -Lernpfad - Google Cloud
  • Dieser Lernweg bietet eine umfassende Reise von den Grundlagen großer Sprachmodelle bis zur Bereitstellung generativer KI -Lösungen in Google Cloud.

Großsprachige Modelle

Schnelltechnik

• Chatgpt prompt Engineering für Entwickler - DeepLearning.ai
  • Dieser Kurs wurde von Openai und DeepLearning unterrichtet und führt die Lernenden bei der Nutzung von großsprachigen Modellen für Aufgaben wie Zusammenfassung und Textveränderung mit praktischen Erfahrungen in einer Jupyter-Notebook-Umgebung.
• Bausysteme mit der Chatgpt -API - DeepLearning.ai
  • In diesem Kurs unter der Leitung von Experten aus Openai und Deeplearning.ai lehrt dieser Kurs Automatisierung von Workflows mithilfe von Sprachmodellen, erstellt schnelle Ketten, Integration von Python und das Entwerfen von Chatbots, die durch praktische Jupyter-Notebook-Übungen mit nur grundlegendem Python-Wissen erforderlich sind.
• Langchain für LLM -Anwendungsentwicklung - DeepLearning.ai
  • Dieser Kurs wird vom Schöpfer von Langchain und Andrew Ng geführt und taucht in fortschrittliche LLM -Techniken wie Verkettungsoperationen und Verwendung von Modellen als Argumentationsmittel ein und befähigt die Lernenden, robuste Anwendungen schnell mit grundlegendem Pythonwissen zu erstellen.
• Langchain: Chat mit Ihren Daten - DeepLearning.ai
  • Erstellen Sie die Erstellung von Augmented Generation und Chatbot, die auf Dokumenteninhalten mit Langchain basieren, das Laden von Daten, die Aufteilung, Einbettung, fortschrittliche Abruftechniken und das interaktive Chatbot-Gebäude, das für Python-versierte Entwickler entwickelt wurde, um große Sprachmodelle zu nutzen.
• Schnelltechnik für Chatgpt - Vanderbilt University
  • Schalten Sie das Potenzial von großsprachigen Modellen wie ChatGPT frei, indem Sie die schnelle Engineering beherrschen und von grundlegenden zu ausgefeilten Eingaben wechseln und verschiedene Anwendungen ermöglichen, die von der Simulation reichen und für alle mit grundlegenden Computerkenntnissen geeignet sind.
• Prompt Engineering Guide - Dair.ai
  • In diesem Leitfaden werden prompt Engineering eingeführt, eine Disziplin, die die Interaktionen mit großer Sprachmodellen optimiert und umfangreiche Ressourcen, Forschung und Tools bietet.
• Aufforderung lernen
  • Tauchen Sie in einen anfängerfreundlichen Leitfaden zu generativen KI und schneller Ingenieurwesen ein, bietet Einblicke von Branchenriesen und untersuchen Sie, wie diese Tools die Erstellung von Inhalten und die Zukunft der Arbeit revolutionieren.
• Langchain AI Handbuch - James Briggs und Francisco Ingham
  • Erforschen Sie die transformative Welt von Langchain, die Beherrschung von Kernkomponenten, das Erstellen von effektiven Eingabeaufforderungen und das Nutzen fortgeschrittener KI-Agenten, Gesprächserinnerungen und benutzerdefinierten Tools für hochmoderne Anwendungen.

? LLMs in der Praxis

• LLM Bootcamp - Der volle Stapel
  • Tiefs in die Operationen von forcial Engineering, LLM, das Design von Benutzererfahrungen für Sprachschnittstellen, erweiterte Sprachmodelltechniken, fundamentale LLM-Erkenntnisse, praktische Projekte und die Zukunft von LLMs, ergänzt durch Expertengespräche von Branchenführern in Bezug auf Schulungen und Agentendesign.
• Finetuning Großsprachenmodelle - DeepLearning.ai
  • Erfahren Sie mit Sharon Zhou die Techniken von Felluning großsprachigen Modellen (LLMs), erhalten Sie Fachwissen in Bezug auf Datenvorbereitung, Schulung und Aktualisierung der neuronalen Nettogewichte für verbesserte Ergebnisse, die auf Ihre Daten zugeschnitten sind.
• CS25: Transformers United V3 - Stanford University
  • Dieser Kurs befasst sich mit der transformativen Rolle von Transformatoren im Deep Learning, insbesondere der Auswirkungen auf die Weiterentwicklung von Sprachmodellen wie Chatgpt und GPT-4.
• Erfahren Sie die Grundlagen der generativen KI für reale Anwendungen - AWS X Deeplearning.ai
  • Dieser Kurs bietet in Zusammenarbeit mit AWS tiefe Einblicke in generative KI und große Sprachmodelle (LLMs). Die Teilnehmer lernen die Mechanik-, Optimierungs- und realen Anwendungen von LLMs von AWS-KI-Experten. Geeignet für Fachleute in KI und maschinellem Lernen mit einem Coursera -Zertifikat nach Fertigstellung. Basic Python und maschinelles Lernen empfohlen.

? Theorie von LLMs

• CS324 - Fortschritte in Foundation Models - Stanford University
  • CS 324 befasst sich mit Fundamentmodellen wie GPT-3 und Dall-E, die ihre Prinzipien, Systeme, Ethik und Anwendung abdecken und in einem praktischen Forschungsprojekt oder Anwendungsdesign gipfeln.
• CS11-711 Advanced Natural Language Processing - Carnegie Mellon University
  • Der fortgeschrittene NLP -Kurs der CMU untersucht moderne neuronale Methoden zum Verständnis und zur Innovation in der Verarbeitung natürlicher Sprache.
• CS 601.471/671 NLP: Selbstermodelle - Johns Hopkins University
  • Dieser Kurs bietet eine eingehende Erforschung von selbst beträchtlichen Lerntechniken für NLP und schulte die Schüler, um neuronale Netzwerkmodelle mit Pytorch zu entwerfen und zu implementieren, wobei der Schwerpunkt auf verschiedenen Sprachmodellarchitekturen liegt.
• 11-667: Methoden und Anwendungen von Großsprachenmodellen - Carnegie Mellon University
  • Dieser Graduiertenkurs bietet einen umfassenden Überblick über große Sprachmodelle (LLMs), die Grundlagen, aufstrebende Funktionen, Anwendungen, Skalierungstechniken, Bereitstellungsbedenken und zukünftige Herausforderungen, die Studenten für Forschung und Anwendungen in der KI -ERA ausrüsten.
• CS224N: Verarbeitung natürlicher Sprache mit Deep Learning - Stanford University
  • Dieser Kurs bietet einen umfassenden Einblick in das Deep-Lernen für NLP mit Pytorch, betont die End-to-End-Neuralmodelle, beseitigt die Notwendigkeit von aufgabenspezifischen Feature-Engineering und die Ausrüstung der Fähigkeiten, um ihre eigenen neuronalen Netzwerklösungen zu erstellen.
• Tinyml und effizientes Deep Learning Computing - Massachusetts Institute of Technology
  • In diesem Kurs werden effiziente KI-Computertechniken für tiefes Lernen auf eingeschränkten Geräten untersucht, die die Modellkomprimierung, Beschneidung, Quantisierung, Architektursuche, verteilte Training und Quantenmaschungslernen mit praktischer Bereitstellung großer Modelle wie LLAMA 2 auf Laptops abdecken.
• Sprach- und Sprachverarbeitung - Dan Jurafsky und James H. Martin
  • Dieser von führende Experten in diesem Bereich verfasste Text enthält eine eingehende Erforschung der Algorithmen und mathematischen Modelle für die moderne Verarbeitung der natürlichen Sprache und die Spracherkennung und wird ständig aktualisiert, um die schnellen Fortschritte im NLP-Domain widerzuspiegeln.
• COS 597G (Herbst 2022): Verständnis von großer Sprachmodellen - Princeton University
  • Eine fortgeschrittene Erforschung des transformativen Bereichs von LLMs, in dem hochmoderne Modelle, ihre tiefgreifenden Fähigkeiten und damit verbundenen Herausforderungen diskutiert werden, mit Schwerpunkt auf eingehenden Forschungen, ethischen Überlegungen und praktischen Projekterfahrungen, die auf erfahrene Projekte zugeschnitten sind Schüler, die sich mit maschinellem Lernen und tiefen NLP -Frameworks auskennen.

? KI -Malerei

? ‍? Kunstfundamentaldaten und KI -Maltechniken

• Vortragserie: Ein interessantes Thema jede Woche über die Grundlagen der Kunst - Niji Academy
  • Die Niji Academy verbindet Kunstfundamentaldaten mit KI, erhöhen Malfähigkeiten und beschleunigen Kunstlernen.

? Stabile Diffusionsprinzipien und Anwendungen

• Wie Diffusionsmodelle funktionieren - DeepLearning.ai
  • Master generative KI in "Wie Diffusionsmodelle funktionieren", ein Zwischenkurs von Sharon Zhou, in dem Sie Diffusionsmodelle von Grund auf erstellen, angereichert mit praktischer Codierung und Labors, ideal für diejenigen, die in Python, Tensorflow oder Pytorch kompetent sind.
• Umarmung der Gesichtsdiffusionsmodelle Kurs
  • Der Umarmungs-Face-Kurs bietet einen detaillierten Blick auf Diffusionsmodelle und führt die Teilnehmer durch die Mediengenerierung, das praktische Training und die Anpassung mithilfe der Diffusers-Bibliothek mit einem grundlegenden Verständnis von Python und Deep Learning, das für die beste Erfahrung wesentlich ist.
• Praktisches Deep -Lernen für Codierer Teil 2: Deep Learning Foundations zur stabilen Diffusion - Fast.ai
  • Dieser Kurs bietet eine detaillierte Erforschung stabiler Diffusionalgorithmen, die fortschrittliche Deep-Lern-Techniken und praktische Projekte mit Pytorch abdecken und Schüler mit Fachwissen in hochmodernen Diffusionsmodellen befähigen.

? AI Audio

• Umarmung des Gesichts Audiokurs
  • Der umarmende Gesichts-Audio-Kurs lehrt, wie man Transformatoren für verschiedene Audioaufgaben verwendet, von der Spracherkennung bis zur Erstellung von Sprache aus dem Text und der Kombination der Theorie mit praktischen Übungen für Lernende, die mit tiefem Lernen vertraut sind.
• CS224S: Verarbeitung gesprochener Sprache - Stanford University
  • Ein eindringlicher Kurs über gesprochene Sprachtechnologie, Deckung von Dialogsystemen, tiefes Lernen in der Spracherkennung und -synthese, mit praktischen Projekten, die moderne Tools wie Pytorch, Alexa Skills Kit und Speechbrain verwenden und in studentgesteuerten Forschungs- oder Systemdesignprojekten gipfeln.

? Multimodal

• CSCI-GA.3033-102 Speziales Thema-Lernen mit großen Sprach- und Visionsmodellen
  • Graduiertenkurs über die Auswirkungen großer Sprache und Visionsmodelle, die Abdeckung der multimodalen und generativen KI und die Vorbereitung der Schüler auf die KI -Forschung.
• Tutorial zum multimodalen maschinellen Lernen (ICML 2023) - Carnegie Mellon University
  • Dieser Kurs bietet einen detaillierten Einblick in multimodales maschinelles Lernen, wobei Einblicke aus der neuesten Ausgabe eines Umfragepapiers und der akademischen Lehren der CMU seine einzigartigen Herausforderungen und zukünftigen Richtungen angesprochen werden.
• 11-777: Multimodales maschinelles Lernen (Herbst 2022) - Carnegie Mellon University
  • Dieser Kurs befasst sich mit multimodalem maschinellem Lernen (MMML), das seine mathematischen Grundlagen, hochmoderne probabilistische Modelle und wichtige Herausforderungen abdeckt und gleichzeitig neuere Anwendungen und Techniken wie multimodale Transformatoren und neuro-symbolische Modelle hervorhebt.
• 11-877: Fortgeschrittene Themen in multimodalem maschinellem Lernen (Herbst 2022) - Carnegie Mellon University
  • In diesem Kurs werden multimodales maschinelles Lernen (MMML) untersucht und technische Herausforderungen und jüngste Erfolge behandelt. Es betont kritisches Denken und zukünftige Forschungstrends mit wöchentlichen Updates, Diskussionssonden und Forschungshighlights auf der Kurswebsite.

? Tiefes Lernen

• Neuronale Netzwerke/Deep Learning - Statquest
  • Entdecken Sie die Feinheiten neuronaler Netzwerke in dieser sehr beliebten YouTube -Wiedergabeliste, wobei er nahtlos informative Grafiken mit fachkundigen Lehren verbindet und unzählige Schüler von den Grundlagen bis hin zur fortgeschrittenen Bildklassifizierung mit Faltungsnetzwerken fasziniert.
• Neuronale Netze - 3Blue1Brown
  • 3Blue1Brown enthüllt die Magie neuronaler Netzwerke durch lebendige Animationen und klare Erklärungen, tauchen tief in handgeschriebene Ziffernerkennung, die Nuancen des Gradientenabzugs und die komplizierte Kalkül hinter der Backpropagation ein.
• Neuronale Netze: Null für Held - Andrej Karpathy
  • Der Kurs von Andrej Karpathy führt die Schüler von der grundlegenden Backpropagation bis hin zu fortgeschrittenen neuronalen Netzwerken wie GPT und betonte Sprachmodelle als vielseitiges Tor zum Beherrschen von Tiefkästen mit Voraussetzungen in der Python -Programmierung und der grundlegenden Mathematik.
• Praktisches tiefes Lernen für Codierer - Fast.ai
  • Practical Deep Learning für Codierer 2022 ist ein kostenloser Kurs, der praktische Erfahrungen beim Aufbau, Training und Bereitstellen von Deep-Learning-Modellen in verschiedenen Bereichen mit Tools wie Pytorch und Fastai bietet, die für diejenigen mit Codierungskenntnissen geeignet sind und ohne erweiterte Mathematik erforderlich sind.
• Deep Learning Spezialisierung - Andrew Ng
  • Die Deep Learning Specialization von Andrew Ng ist ein hochwertiges, selbstgeprägtes Programm für Coursera mit über 1 Million Lernenden, das klare Module und praktische Techniken in der KI bietet, die von einer riesigen Gemeinschaft unterstützt werden und das neueste maschinelle Lernen in verständliche Inhalte zerlegen.
• 6.S191: Einführung in Deep Learning - Massachusetts Institute of Technology
  • Der intensive Bootcamp von MIT über Deep Learning-Grundlagen, die Anwendungen von Computer Vision bis Biology, praktische Tensorflow-Praxis und einen Höhepunkt des Projektwettbewerbs. Grundlegende Berechnungs- und lineare Algebra -Kenntnisse erforderlich; Python -Erfahrung vorteilhaft.
• CS25: Transformers United V2 - Stanford University
  • Erforschen Sie die transformative Kraft von Transformatoren im tiefen Lernen in verschiedenen Bereichen, von NLP bis zur Biologie, in einem Seminar mit erfahrenen Vorträgen, Durchbruchsdiskussionen und Erkenntnissen von führenden Forschern, die darauf abzielen, das Verständnis und die kollaborativen Innovation zu fördern.
• Deep Learning Lecture Series 2020 - DeepMind X University College London
  • DeepMind präsentiert eine 12-vortragende Serie mit Deep Learning, die von grundlegenden Themen bis hin zu fortgeschrittenen Techniken taucht und Bereiche von der Objekterkennung bis hin zu verantwortungsbewussten KI-Innovationen umfasst, die alle von führenden Forschungsexperten geliefert werden.
• Verstärkung Learning Lecture Series 2021 - DeepMind X University College London
  • DeepMind und UCL präsentieren eine umfassende Serie mit 13 Vortragen über das moderne Verstärkungslernen, von grundlegenden Konzepten bis hin zu fortgeschrittenen Deep RL-Techniken, angeführt von Expertenforschern Hado Van Hasselt, Diana Borsa und Matteo Hessel.

KI -System

• AI-SYS-SYS-SP22 maschinelles Lernsysteme-Universität von Kalifornien, Berkeley
  • Nehmen Sie sich auf die symbiotische Beziehung zwischen hochmodernen AI-Anwendungen und den Systemen ein, die sie unterstützen, indem Sie Fortschritte in Hardware, Software und KI-gesteuerten Optimierungstechniken, durch Vorträge, Diskussionen und kollaborative praktische Projekte untersuchen.
• Deep -Lernsysteme: Algorithmen und Implementierung - Tianqi Chen, Zico Kolter
  • Erforschen Sie die Grundlagen von Deep -Lern -Systemen, indem Sie eine vollständige Bibliothek konstruieren und jede Ebene von Modelldesign bis hin zu effizienten Algorithmen verstehen und Python und C/C ++ verwenden.
• CS 329S: Design des maschinellen Lernsystems - Stanford University
  • Beherrschen Sie die Komplikationen für die Gestaltung robuster, skalierbarer und einsetzbarer maschineller Lernsysteme, konzentrieren sich auf Stakeholder, sich weiterentwickelnde Anforderungen und ein ganzheitliches Systemdesign und behandeln gleichzeitig kritische Themen wie Privatsphäre, Fairness und Sicherheit.
• AI-Systems (LLM Edition) 294-162-Universität von Kalifornien, Berkeley
  • Dieser Kurs befasst sich mit dem Zusammenhang zwischen Hardware-/Software -Fortschritten und generativen KI und betont, wie diese Innovationen die Skalierung und die Fähigkeiten von KI -Modellen vorantreiben.
• 15-849: maschinelles Lernsysteme - Carnegie Mellon University
  • Tauchen Sie in die Architektur moderner ML-Systeme ein und enträtseln Sie die Reise vom Modelldesign auf hoher Ebene bis zur Ausführung von Kernel-Kern-Kern auf heterogener Hardware und entdecken die Prinzipien und Herausforderungen von ML-Anwendungen und -plattformen der nächsten Generation.
• Informatik 598d - Systeme und maschinelles Lernen - Princeton University
  • Erkunden Sie die Synergie zwischen Systemen und maschinellem Lernen, indem Sie die neuesten Forschungen zu effizienten ML-Hardware/-Software unterscheiden und ML auf Systemdesign anwenden, wobei praktische Projekte und tiefe Diskussionen für Studierende gipfeln.

? Verschiedenes

Sterngeschichte

? Freundschaftslinks

• Waytoagi
  • Waytoagi.com ist der umfassendste chinesische Ressourcenzentrum für AIGC und führt Benutzer auf einer optimierten Lernreise, um die Kraft der KI zu verstehen und zu nutzen.
• Codefuse-Chatbot
  • CodeFuse-Chatbot ist ein Open-Source-AI-Smart-Assistent, der den Lebenszyklus der Softwareentwicklung mit dem Konversationszugriff auf Tools, Wissen und Plattformintegration unterstützt.
• Codefuse devOps eval
  • DevOps-Eval ist ein Github-Repository, das eine spezielle Suite zur Bewertung und Verbesserung von Grundmodellen im DevOps-Sektor bietet, einschließlich einer Vielzahl von AIOPS-Übungen.