Awesome AIGC Tutorials

Impresionantes tutoriales AIGC

Inglés | 中文版

Los impresionantes tutoriales de AIGC albergan una colección curada de tutoriales y recursos que abarcan modelos de idiomas grandes, pintura de IA y campos relacionados. Descubra información y conocimiento en profundidad atendidos tanto para principiantes como para los entusiastas avanzados de la IA.

? Actualizaciones recientes

• [2024-02-18]-? Nuevo curso agregado: CSCI-GA.3033-102 Tema especial: aprendizaje con grandes modelos de lenguaje y visión en multimodal.
• [2024-02-14]-Se agregó un nuevo curso: CS11-711 Procesamiento avanzado del lenguaje natural en modelos de idiomas grandes.
• [2024-02-14]-Se agregó un nuevo seminario: AI-Systems (edición LLM) 294-162 en el sistema AI.

? Cómo contribuir

Agradecemos calurosamente las contribuciones de todos, ya sea que haya encontrado un error tipográfico, un error, tenga una sugerencia o quiera compartir un recurso relacionado con AIGC. Para obtener pautas detalladas sobre cómo contribuir, consulte nuestro archivo contribuyente.md.

Contenido

• Introducción
• Modelos de idiomas grandes
  • Ingeniería rápida
  • ? LLMS en la práctica
  • ? Teoría de LLMS
• ? Pintura de ai
  • ? ‍? Fundamentos de arte y técnicas de pintura de IA
  • ? Principios y aplicaciones de difusión estable
• ? Audio ai
• ? Multimodal
• ? Aprendizaje profundo
• Sistema de inteligencia artificial
• ? Misceláneas
  • Historia de la estrella
  • ? Enlaces de amistad

Introducción

• Ai para todos - Andrew Ng
  • "AI para todos" es una guía para principiantes para comprender las aplicaciones prácticas de la IA, sus limitaciones y su impacto social, ideal para profesionales y líderes de negocios por igual.
• IA práctica para maestros y estudiantes - Wharton School
  • El curso Crash de Wharton Interactive profundiza en la mecánica y los impactos de LLM, destacando modelos como ChatGPT4 de OpenAi, Bing en modo creativo de Microsoft y Bard de Google.
• Inteligencia artificial para principiantes - Microsoft
  • Este plan de estudios de Microsoft de 12 semanas se sumerge en las metodologías de IA, que abarca la IA simbólica a las redes neuronales, al tiempo que resalta los marcos TensorFlow y Pytorch, pero omite las aplicaciones comerciales, el aprendizaje automático clásico y ciertos temas específicos de la nube.
• Ruta generativa de aprendizaje de IA - Google Cloud
  • Esta ruta de aprendizaje ofrece un viaje completo desde los conceptos básicos de los modelos de idiomas grandes hasta la implementación de soluciones generativas de IA en Google Cloud.

Modelos de idiomas grandes

Ingeniería rápida

• Chatgpt Ingeniería rápida para desarrolladores - Deeplearning.ai
  • Co-enseñada por OpenAI y Deeplearning.ai, este curso guía a los alumnos para aprovechar los grandes modelos de idiomas para tareas como resumir y transformación de texto, con experiencias prácticas en un entorno de cuaderno de Jupyter.
• Sistemas de construcción con la API CHATGPT - Deeplearning.ai
  • Dirigido por expertos de OpenAI y Deeplearning.ai, este curso enseña automatización de flujos de trabajo utilizando modelos de idiomas, creando cadenas rápidas, integración de Python y diseño de chatbots, todos a través de ejercicios de cuaderno Jupyter prácticos con solo un conocimiento básico de Python se requieren.
• Langchain para el desarrollo de aplicaciones LLM - Deeplearning.ai
  • Guiado por el creador de Langchain y Andrew Ng, este curso se sumerge en técnicas avanzadas de LLM como operaciones de encadenamiento y el uso de modelos como agentes de razonamiento, lo que permite a los alumnos elaborar aplicaciones robustas rápidamente con conocimiento fundamental de Python.
• Langchain: chatea con tus datos - Deeplearning.ai
  • Profundiza en la creación de generación aumentada de recuperación y la creación de chatbot basada en el contenido de documentos con Langchain, cubriendo la carga de datos, la división, las integridades, las técnicas de recuperación avanzadas y la construcción interactiva de chatbot, diseñada para desarrolladores expertos en python interesados ​​en aprovechar modelos de idiomas grandes.
• Ingeniería rápida para chatgpt - Universidad de Vanderbilt
  • Desbloquee el potencial de modelos de idiomas grandes como ChatGPT dominando la ingeniería rápida, la transición de las indicaciones básicas a las sofisticadas, permitiendo diversas aplicaciones que van desde la escritura hasta la simulación, adecuada para cualquier persona con habilidades informáticas básicas.
• Guía de ingeniería rápida - Dair.ai
  • Esta guía introduce ingeniería rápida, una disciplina que optimiza las interacciones con grandes modelos de idiomas, ofrece recursos, investigaciones y herramientas extensas.
• Aprender la solicitud
  • Sumérgete en una guía amigable para principiantes sobre IA generativa e ingeniería rápida, ofreciendo ideas de los gigantes de la industria y explora cómo estas herramientas revolucionan la creación de contenido y el futuro del trabajo.
• Manual Langchain AI - James Briggs y Francisco Ingham
  • Explore el mundo transformador de Langchain, que domina los componentes centrales, la elaboración de indicaciones efectivas y aprovechando a los agentes de IA avanzados, recuerdos conversacionales y herramientas personalizadas para aplicaciones de vanguardia.

? LLMS en la práctica

• LLM Bootcamp - La pila completa
  • Profundizar en las operaciones de ingeniería rápida, operaciones de LLM, diseño de experiencia del usuario para interfaces de idiomas, técnicas de modelos de idiomas aumentados, información fundamental de LLM, proyectos prácticos y el futuro de LLM, complementado por conversaciones de expertos de líderes de la industria sobre capacitación y diseño de agentes.
• Modelos de lenguaje grande para finecir - Deeplearning.ai
  • Aprenda las técnicas de Finetuning Language Models (LLMS) con Sharon Zhou, obteniendo experiencia en preparación de datos, capacitación y actualización de pesos de redes neuronales para mejorar los resultados adaptados a sus datos.
• CS25: Transformers United V3 - Universidad de Stanford
  • Este curso profundiza en el papel transformador de los transformadores en el aprendizaje profundo, particularmente su impacto en el avance de modelos de idiomas como ChatGPT y GPT-4.
• Aprenda los fundamentos de la IA generativa para aplicaciones del mundo real - AWS X Deeplearning.ai
  • Este curso, en asociación con AWS, ofrece información profunda sobre la IA generativa y los modelos de idiomas grandes (LLM). Los participantes aprenderán la mecánica, la optimización y las aplicaciones del mundo real de LLM de expertos en AWS AI. Adecuado para profesionales en IA y aprendizaje automático, con un certificado de Coursera al finalizar. Python básico y conocimiento de aprendizaje automático recomendado.

? Teoría de LLMS

• CS324 - Avances en modelos fundamentales - Universidad de Stanford
  • CS 324 profundiza en modelos de base como GPT-3 y Dall-E, que cubre sus principios, sistemas, ética y aplicación, y culmina en un proyecto de investigación práctico o diseño de aplicaciones.
• CS11-711 Procesamiento avanzado del lenguaje natural - Universidad Carnegie Mellon
  • El curso avanzado de PNL de CMU explora los métodos neuronales modernos para comprender e innovar en el procesamiento del lenguaje natural.
• CS 601.471/671 NLP: Modelos auto -supervisados ​​- Universidad Johns Hopkins
  • Este curso ofrece una exploración en profundidad de las técnicas de aprendizaje auto-supervisadas para la PNL, capacitar a los estudiantes para diseñar e implementar modelos de redes neuronales utilizando Pytorch, con un enfoque en diversas arquitecturas de modelos de idiomas.
• 11-667: Métodos y aplicaciones de modelos de idiomas grandes - Universidad Carnegie Mellon
  • Este curso de posgrado ofrece una visión general integral de los grandes modelos de idiomas (LLM), que cubre conceptos básicos, capacidades emergentes, aplicaciones, técnicas de escala, preocupaciones de implementación y desafíos futuros, equipando a los estudiantes para investigaciones y aplicaciones en la era de la IA.
• CS224N: Procesamiento del lenguaje natural con aprendizaje profundo - Universidad de Stanford
  • Este curso proporciona una visión integral del aprendizaje profundo para la PNL utilizando Pytorch, enfatizando los modelos neuronales de extremo a extremo, eliminando la necesidad de ingeniería de características específicas de tareas y equipar a los estudiantes con las habilidades para crear sus propias soluciones de redes neuronales.
• TinyML y eficiente Computación de aprendizaje profundo - Instituto de Tecnología de Massachusetts
  • Este curso explora técnicas eficientes de computación de IA para el aprendizaje profundo en dispositivos restringidos, cubriendo la compresión del modelo, poda, cuantización, búsqueda de arquitectura, capacitación distribuida y aprendizaje automático cuántico, con una implementación práctica de modelos grandes como LLAMA 2 en computadoras portátiles.
• Procesamiento del habla y el lenguaje - Dan Jurafsky y James H. Martin
  • Escrito por los principales expertos en el campo, este texto autorizado proporciona una exploración en profundidad de los algoritmos y los modelos matemáticos para el procesamiento moderno del lenguaje natural y el reconocimiento de voz, y se actualiza continuamente para reflejar los rápidos avances en el dominio NLP.
• COS 597G (Otoño 2022): Comprensión de los modelos de idiomas grandes - Universidad de Princeton
  • Una exploración avanzada en el reino transformador de LLMS, que discute modelos de vanguardia, sus profundas capacidades y desafíos asociados, con énfasis en investigaciones en profundidad, consideraciones éticas y experiencia práctica de proyectos, adaptados para Estudiantes versados ​​en aprendizaje automático y marcos de PNL profundos.

? Pintura de ai

? ‍? Fundamentos de arte y técnicas de pintura de IA

• Serie de conferencias: un tema interesante cada semana sobre los fundamentos del arte - Niji Academy
  • La Academia Niji combina los fundamentos de arte con IA, elevando las habilidades de pintura y acelerando el aprendizaje artístico.

? Principios y aplicaciones de difusión estable

• Cómo funcionan los modelos de difusión - Deeplearning.ai
  • Master Generative AI en 'Cómo funcionan los modelos de difusión', un curso intermedio de Sharon Zhou, donde creará modelos de difusión desde cero, enriquecidos con codificación práctica y laboratorios, ideales para aquellos competentes en Python, Tensorflow o Pytorch.
• Curso de modelos de difusión de la cara abrazando
  • El curso de Hugging Face ofrece una mirada en profundidad a los modelos de difusión, guiando a los participantes a través de la generación de medios, capacitación práctica y personalización utilizando la Biblioteca de Difusores, con una comprensión fundamental de Python y el aprendizaje profundo esencial para la mejor experiencia.
• Aprendizaje profundo práctico para codificadores Parte 2: Fundamentos de aprendizaje profundo a difusión estable - Fast.Ai
  • Este curso ofrece una exploración en profundidad de algoritmos de difusión estables, que cubren técnicas avanzadas de aprendizaje profundo y proyectos prácticos utilizando Pytorch, empoderando a los estudiantes con experiencia en modelos de difusión de vanguardia.

? Audio ai

• Curso de audio de la cara abrazada
  • El curso de audio de abrazadera de abrazos enseña cómo usar transformadores para varias tareas de audio, desde el reconocimiento del habla hasta la generación del habla a partir del texto, combinando la teoría con ejercicios prácticos para los alumnos familiarizados con el aprendizaje profundo.
• CS224S: Procesamiento del lenguaje hablado - Universidad de Stanford
  • Un curso inmersivo sobre tecnología del lenguaje hablado, que cubren los sistemas de diálogo, el aprendizaje profundo en el reconocimiento y la síntesis de voz, con proyectos prácticos que utilizan herramientas modernas como Pytorch, Alexa Skills Kit y Speechbrain, que culminan en proyectos de investigación o diseño de sistemas impulsados ​​por estudiantes.

? Multimodal

• CSCI-GA.3033-102 Tema especial: aprendizaje con grandes modelos de lenguaje y visión
  • Curso de posgrado sobre el impacto de los grandes modelos de lenguaje y visión, cubriendo IA multimodal y generativa, y preparando a los estudiantes para la investigación de IA.
• Tutorial sobre aprendizaje automático multimodal (ICML 2023) - Universidad Carnegie Mellon
  • Este curso ofrece una mirada en profundidad al aprendizaje automático multimodal, atrayendo información de la última edición de un documento de encuesta y las enseñanzas académicas de CMU, abordando sus desafíos únicos y sus direcciones futuras.
• 11-777: Aprendizaje automático multimodal (otoño 2022) - Universidad Carnegie Mellon
  • Este curso profundiza en el aprendizaje automático multimodal (MMML), que cubre sus bases matemáticas, modelos probabilísticos de última generación y desafíos clave, al tiempo que destaca aplicaciones y técnicas recientes como transformadores multimodales y modelos neuroimbólicos.
• 11-877: Temas avanzados en aprendizaje automático multimodal (otoño 2022) - Universidad Carnegie Mellon
  • Este curso explora el aprendizaje automático multimodal (MMML), que cubre desafíos técnicos y logros recientes. Enfatiza el pensamiento crítico y las tendencias de investigación futuras, con actualizaciones semanales, sondas de discusión y destacados de investigación en el sitio web del curso.

? Aprendizaje profundo

• Redes neuronales/Aprendizaje profundo - Statquest
  • Descubra las complejidades de las redes neuronales en esta lista de reproducción de YouTube muy popular, combinando los gráficos informativos sin problemas con enseñanzas expertas, cautivando a innumerables estudiantes desde lo básico hasta la clasificación de imágenes avanzadas con redes neuronales convolucionales.
• Redes neuronales - 3Blue1Brown
  • 3Blue1Brown presenta la magia de las redes neuronales a través de animaciones vívidas y explicaciones claras, sumergiéndose profundamente en el reconocimiento de dígitos escritos a mano, los matices de la descendencia de gradiente y el intrincado cálculo detrás de la backpropagation.
• Redes neuronales: Zero to Hero - Andrej Karpathy
  • El curso de Andrej Karpathy guía a los estudiantes de la backpropagación fundamental a redes neuronales avanzadas como GPT, enfatizando los modelos de idiomas como una puerta de entrada versátil para dominar el aprendizaje profundo, con requisitos previos en la programación de Python y las matemáticas básicas.
• Aprendizaje profundo práctico para codificadores - Fast.ai
  • Practical Deep Learning for Coders 2022 es un curso gratuito que ofrece experiencia práctica en la construcción, capacitación e implementación de modelos de aprendizaje profundo en varios dominios utilizando herramientas como Pytorch y Fastai, adecuada para aquellos con conocimiento de codificación y sin la necesidad de matemáticas avanzadas.
• Especialización de aprendizaje profundo - Andrew Ng
  • La especialización de aprendizaje profundo de Andrew Ng es un programa de mejor clase y autoalimentado en Coursera con más de 1 millón de alumnos, que ofrece módulos claros y técnicas prácticas en IA, respaldado por una amplia comunidad y rompiendo lo último en aprendizaje automático en contenido comprensible.
• 6.S191: Introducción al aprendizaje profundo - Instituto de Tecnología de Massachusetts
  • El campo de arranque intensivo del MIT en los fundamentos de aprendizaje profundo, que cubre aplicaciones desde la visión por computadora hasta la biología, con práctica práctica de tensorflow y una competencia de proyectos culminantes. Se requiere cálculo básico y conocimiento de álgebra lineal; Experiencia de Python beneficiosa.
• CS25: Transformers United V2 - Universidad de Stanford
  • Explore el poder transformador de los transformadores en el aprendizaje profundo en diversos dominios, desde PNL hasta biología, en un seminario con conferencias expertas, discusiones innovadoras y ideas de los principales investigadores, con el objetivo de fomentar la comprensión e innovación de colaboración cruzada.
• Serie de conferencias de aprendizaje profundo 2020 - Deepmind x University College London
  • DeepMind presenta una serie de 12 lentes sobre aprendizaje profundo, buceando desde temas fundamentales hasta técnicas avanzadas, que abarcan áreas desde el reconocimiento de objetos hasta la innovación responsable de la IA, todo entregado por los principales expertos de investigación.
• Serie de conferencias de aprendizaje de refuerzo 2021 - Deepmind x University College Londres
  • DeepMind y UCL presentan una serie integral de 13 de lecturas sobre el aprendizaje moderno de refuerzo, desde conceptos fundamentales hasta técnicas avanzadas de Deep RL, dirigidas por investigadores expertos Hado Van Hasselt, Diana Borsa y Matteo Hessel.

Sistema de inteligencia artificial

• AI-SYS-SP22 Machine Learning Systems-Universidad de California, Berkeley
  • Profundiza en la relación simbiótica entre las aplicaciones de IA de vanguardia y los sistemas que las respaldan, explorando los avances en hardware, software y técnicas de optimización impulsadas por la IA, a través de conferencias, discusiones y proyectos prácticos colaborativos.
• Sistemas de aprendizaje profundo: algoritmos e implementación - Tianqi Chen, Zico Kolter
  • Explore los cimientos de los sistemas de aprendizaje profundo construyendo una biblioteca completa, entendiendo cada capa, desde el diseño del modelo hasta los algoritmos eficientes, utilizando Python y C/C ++.
• CS 329S: Diseño de sistemas de aprendizaje automático - Universidad de Stanford
  • Domine las complejidades de diseñar sistemas robustos, escalables y desplegables de aprendizaje automático, centrándose en las partes interesadas, los requisitos en evolución y el diseño del sistema holístico, al tiempo que abordan problemas críticos como la privacidad, la equidad y la seguridad.
• AI-Systems (edición LLM) 294-162-Universidad de California, Berkeley
  • Este curso profundiza en el nexo de los avances de hardware/software y la IA generativa, enfatizando cómo estas innovaciones impulsan la escala y las capacidades de los modelos de IA.
• 15-849: Sistemas de aprendizaje automático - Universidad Carnegie Mellon
  • Sumérgete en la arquitectura de los sistemas ML modernos, desentrañando el viaje del diseño de modelos de alto nivel a la ejecución del núcleo de bajo nivel en hardware heterogéneo, al tiempo que descubre los principios y desafíos de las aplicaciones y plataformas ML de próxima generación.
• Informática 598D - Sistemas y aprendizaje automático - Universidad de Princeton
  • Explore la sinergia entre los sistemas y el aprendizaje automático diseccionando investigaciones recientes sobre hardware/software de ML eficiente y aplicando ML al diseño del sistema, culminando en proyectos prácticos y discusiones profundas para estudiantes graduados.

? Misceláneas

Historia de la estrella

? Enlaces de amistad

• Camino
  • Waytoagi.com es el centro de recursos chino más completo para AIGC, guiando a los usuarios en un viaje de aprendizaje optimizado para comprender y aprovechar el poder de la IA.
• CodeFuse-Chatbot
  • CodeFuse-ChatBot es un asistente inteligente de IA de código abierto diseñado para admitir el ciclo de vida del desarrollo de software con acceso conversacional a herramientas, conocimientos e integración de plataformas.
• CodeFuse DevOps eval
  • DevOps-Eval es un repositorio de GitHub que ofrece una suite especializada para evaluar y mejorar los modelos de base en el sector DevOps, incluido un rico conjunto de ejercicios de AIOPS.