Awesome AIGC Tutorials

멋진 AIGC 튜토리얼

영어 | 中文版

Awesome AIGC 튜토리얼에는 대형 언어 모델, AI 페인팅 및 관련 분야에 걸친 선별 된 튜토리얼 및 리소스 모음이 있습니다. 초보자와 고급 AI 애호가 모두에게 심층적 인 통찰력과 지식을 발견하십시오.

? 최근 업데이트

• [2024-02-18]-? 새로운 코스 추가 : CSCI-GA.3033-102 특수 주제-다중 모드에서 큰 언어 및 비전 모델로 학습.
• [2024-02-14]-새로운 코스 추가 : CS11-711 대형 언어 모델의 고급 자연 언어 처리.
• [2024-02-14]-AI 시스템의 새로운 세미나 : AI-Systems (LLM Edition) 294-162 추가.

? 기여하는 방법

우리는 오타, 버그를 찾았 든 제안이 있거나 AIGC와 관련된 리소스를 공유하고 싶든 모든 사람의 기여를 따뜻하게 환영합니다. 기여 방법에 대한 자세한 지침은 Contributing.md 파일을 참조하십시오.

콘텐츠

• 소개
• 큰 언어 모델
  • 프롬프트 엔지니어링
  • ? 실제로 LLM
  • ? LLM의 이론
• ? AI 그림
  • ? ‍? 예술 기초와 AI 회화 기술
  • ? 안정적인 확산 원리 및 응용
• ? AI 오디오
• ? 멀티 모달
• ? 딥 러닝
• AI 시스템
• ? 여러 가지 잡다한
  • 스타 역사
  • ? 우정 링크

소개

• 모든 사람을위한 AI -Andrew Ng
  • "AI For Everyone"는 AI의 실제 응용 프로그램, 그 한계 및 사회적 영향을 이해하기위한 초보자 가이드이며 비즈니스 전문가 및 리더 모두에게 이상적입니다.
• 교사 및 학생을위한 실용적인 AI- Wharton School
  • Wharton Interactive의 Crash Course는 LLM의 역학 및 영향을 탐구하며 OpenAi의 ChatGpt4, Creative Mode in Creative Mode 및 Google의 Bard와 같은 모델을 조명합니다.
• 초보자를위한 인공 지능 -Microsoft
  • 이 12 주간의 Microsoft Curriculum은 AI 방법론에 깊이 빠져들며 신경 네트워크에 대한 상징적 인 AI에 걸쳐 텐서 플로 및 Pytorch 프레임 워크를 강조하지만 비즈니스 응용 프로그램, 클래식 머신 학습 및 특정 클라우드 특정 주제를 생략합니다.
• 생성 AI 학습 경로 - Google Cloud
  • 이 학습 경로는 대형 언어 모델의 기본에서 Google Cloud에 생성 AI 솔루션을 배포하는 것에 이르기까지 포괄적 인 여행을 제공합니다.

큰 언어 모델

프롬프트 엔지니어링

• 개발자를위한 ChatGpt 프롬프트 엔지니어링 -DeePlearning.ai
  • OpenAi 및 DeePlearning.ai의 공동 가어이 과정은 학습자가 Jupyter 노트북 환경에서 실습 경험을 갖춘 요약 및 텍스트 변환과 같은 작업에 대한 대형 언어 모델을 활용하도록 안내합니다.
• chatgpt api -deeplearning.ai가있는 시스템 구축 시스템
  • OpenAi 및 DeePlearning.ai의 전문가가 이끄는이 과정은 언어 모델을 사용하여 워크 플로우를 자동화하고, 신속한 체인 생성, 파이썬 통합 및 챗봇 설계를 통해 기본적인 Python 지식만으로도 Jupyter 노트북 연습을 통해 가르칩니다.
• LLM 애플리케이션 개발을위한 Langchain -deeplearning.ai
  • Langchain과 Andrew Ng의 제작자가 안내하는이 과정은 연쇄 작업 및 모델을 추론 에이전트로 사용하는 것과 같은 고급 LLM 기술로 뛰어 들어 학습자가 기본적인 Python 지식으로 강력한 응용 프로그램을 신속하게 제작할 수 있도록 강화합니다.
• Langchain : 데이터와 채팅 -DeePlearning.ai
  • Langchain의 문서 내용을 기반으로 한 검색 증강 생성 및 챗봇 제작, 데이터로드, 분할, 임베딩, 고급 검색 기술 및 대화 형 챗봇 빌딩을 다루는 대규모 언어 모델을 활용하는 데 Keen을 위해 설계되었습니다.
• Chatgpt의 신속한 엔지니어링 -Vanderbilt University
  • 신속한 엔지니어링을 마스터하여 기본에서 정교한 프롬프트로 전환하여 Chatgpt와 같은 대규모 언어 모델의 잠재력을 잠금 해제하여 기본 컴퓨터 기술을 가진 사람에게 적합한 글쓰기에서 시뮬레이션으로 다양한 응용 프로그램을 가능하게합니다.
• 프롬프트 엔지니어링 안내서 -Dair.ai
  • 이 안내서는 대규모 언어 모델과의 상호 작용을 최적화하여 광범위한 자원, 연구 및 도구를 제공하는 징계 인 Prompt Engineering을 소개합니다.
• 프롬프트를 배우십시오
  • Generative AI 및 Prompt Engineering에 대한 초보자 친화적 인 가이드로, 업계 대기업의 통찰력을 제공하고 이러한 도구가 컨텐츠 생성과 미래의 미래에 어떻게 혁명을 일으키는지 탐구하십시오.
• Langchain AI 핸드북 - James Briggs와 Francisco Ingham
  • Langchain의 변형 된 세계를 탐색하고, 핵심 구성 요소를 마스터하고, 효과적인 프롬프트를 만들고, 고급 AI 에이전트, 대화 메모리 및 최첨단 응용 프로그램을위한 맞춤형 도구를 활용하십시오.

? 실제로 LLM

• LLM 부트 캠프 - 전체 스택
  • 프롬프트 엔지니어링, LLM 운영, 언어 인터페이스에 대한 사용자 경험 설계, 증강 언어 모델 기술, 기초 LLM 통찰력, 실무 프로젝트 및 LLM의 미래를 심도있게 깊이 파고 들었습니다.
• 대형 언어 모델 미세 조정 -DeePlearning.ai
  • Sharon Zhou와의 LLM (Lange Language Models)의 미세 조정 기술을 배우고 데이터 준비, 교육에 대한 전문 지식을 얻고 데이터에 맞는 결과 향상된 결과를 위해 신경 순 무게를 업데이트하십시오.
• CS25 : Transformers United V3 -Stanford University
  • 이 과정은 딥 러닝에서 변압기의 변형 역할, 특히 Chatgpt 및 GPT-4와 같은 언어 모델의 발전에 미치는 영향을 탐구합니다.
• 실제 응용 프로그램에 대한 생성 AI의 기본 사항을 배우십시오 -Aws x deeplearning.ai
  • 이 과정은 AWS와 제휴하여 생성 AI 및 LLM (Large Language Model)에 대한 깊은 통찰력을 제공합니다. 참가자는 AWS AI 전문가의 LLM의 역학, 최적화 및 실제 응용 프로그램을 배웁니다. AI 및 머신 러닝 전문가에게 적합하며 완료시 Coursera 인증서가 있습니다. 기본 파이썬 및 기계 학습 지식이 권장됩니다.

? LLM의 이론

• CS324- 기초 모델의 발전 -Stanford University
  • CS 324는 GPT-3 및 DALL-E와 같은 기초 모델을 탐구하여 원칙, 시스템, 윤리 및 응용 프로그램을 다루며 실습 연구 프로젝트 또는 응용 프로그램 설계에서 마무리합니다.
• CS11-711 고급 자연 언어 처리 - 카네기 멜론 대학교
  • CMU의 고급 NLP 과정은 자연어 처리를 이해하고 혁신하기위한 현대적인 신경 방법을 탐구합니다.
• CS 601.471/671 NLP : 자체 감독 모델 -Johns Hopkins University
  • 이 과정은 NLP를위한 자체 감독 학습 기술에 대한 심층적 인 탐구를 제공하며, 학생들은 다양한 언어 모델 아키텍처에 중점을 둔 Pytorch를 사용하여 신경망 모델을 설계하고 구현하도록 교육합니다.
• 11-667 : 대형 언어 모델 방법 및 응용 프로그램 -Carnegie Mellon University
  • 이 대학원 과정은 기본, 출현 능력, 응용 프로그램, 스케일링 기술, 배포 문제 및 미래의 과제를 다루는 대형 언어 모델 (LLMS)에 대한 포괄적 인 개요를 제공하여 AI 시대의 연구 및 응용 프로그램에 학생들을 조성합니다.
• CS224N : 딥 러닝을 통한 자연 언어 처리 -Stanford University
  • 이 과정은 Pytorch를 사용하여 NLP에 대한 딥 러닝에 대한 포괄적 인 통찰력을 제공하고, 엔드 투 엔드 신경 모델을 강조하고, 작업 별 기능 엔지니어링의 필요성을 제거하고, 학생들에게 자신의 신경망 솔루션을 만들 수있는 기술을 갖추게합니다.
• Tinyml 및 효율적인 딥 러닝 컴퓨팅 - 매사추세츠 기술 연구소
  • 이 과정은 랩탑에서 LLAMA 2와 같은 대규모 모델을 실용 배포하여 모델 압축, 가지 치기, 양자화, 아키텍처 검색, 분산 교육 및 양자 머신 학습을 다루는 제한된 장치에서 딥 러닝을위한 효율적인 AI 컴퓨팅 기술을 탐구합니다.
• 연설 및 언어 처리 -Dan Jurafsky와 James H. Martin
  • 이 분야의 주요 전문가들이 저술 한이 권위있는 텍스트는 현대 자연 언어 처리 및 음성 인식에 대한 알고리즘과 수학적 모델을 심도있게 탐색하며 NLP 도메인의 빠른 발전을 반영하도록 지속적으로 업데이트됩니다.
• COS 597G (2022 년 가을) : 대형 언어 모델 이해 -Princeton University
  • LLM의 변형 영역에 대한 고급 탐사, 최첨단 모델, 심오한 기능 및 관련 도전에 대해 심도있는 연구, 윤리적 고려 사항 및 실습 프로젝트 경험을 강조하여 노련한 조정 기계 학습 및 깊은 NLP 프레임 워크에 정통한 학생들.

? AI 그림

? ‍? 예술 기초와 AI 회화 기술

• 강의 시리즈 : 매주 흥미로운 주제 예술의 기본 사항 -Niji Academy
  • Niji Academy는 예술 기초를 AI와 혼합하여 그림 기술을 높이고 예술 학습 속도를 높입니다.

? 안정적인 확산 원리 및 응용

• 확산 모델의 작동 방식 -DeePlearning.ai
  • Sharon Zhou의 중간 코스 인 '확산 모델이 작동하는 방법'의 마스터 생성 AI는 스크래치부터 확산 모델을 제작하고 실습 코딩 및 실험실이 풍부하여 파이썬, 텐서 플로우 또는 파이터에 능숙한 사람들에게 이상적입니다.
• 포옹 얼굴 확산 모델 코스
  • Hugging Face Course는 확산 모델에 대한 심층적 인 모습을 제공하며, 미디어 생성, 실습 교육 및 Diffusers 라이브러리를 사용하여 참가자를 안내하며 Python에 대한 기본적인 이해와 최상의 경험에 필수적인 딥 러닝을 제공합니다.
• 코더를위한 실용적인 딥 러닝 2 부 : 안정적인 확산에 대한 딥 러닝 기초 -ast.ai
  • 이 과정은 안정적인 확산 알고리즘을 심층적으로 탐색하여 고급 딥 러닝 기술과 Pytorch를 사용한 실습 프로젝트를 다루며 학생들에게 최첨단 확산 모델에 대한 전문 지식을 제공합니다.

? AI 오디오

• 포옹 얼굴 오디오 코스
  • Hugging Face Audio Course는 음성 인식에서부터 텍스트에서 연설 생성에 이르기까지 다양한 오디오 작업에 변압기를 사용하는 방법을 가르칩니다.
• CS224S : 음성 언어 처리 -Stanford University
  • Pytorch, Alexa Skills Kit 및 SpeechBrain과 같은 현대적인 도구를 사용하여 말하기 및 시스템 설계 프로젝트에 절정에 이르는 실습 프로젝트와 함께 음성 언어 기술, 대화 시스템, 음성 인식 및 합성의 딥 러닝에 대한 몰입 형 과정.

? 멀티 모달

• CSCI-GA.3033-102 특별 주제-큰 언어 및 비전 모델로 학습
  • 대규모 언어 및 비전 모델의 영향에 대한 대학원 과정, 멀티 모드 및 생성 AI를 다루고 AI 연구를 준비하는 학생들을 준비합니다.
• 멀티 모달 머신 러닝에 관한 자습서 (ICML 2023) -Carnegie Mellon University
  • 이 과정은 멀티 모달 머신 러닝에 대한 심층적 인 모습을 제공하여 최신 설문 조사 논문과 CMU의 학문적 가르침의 통찰력을 도출하여 독특한 과제와 향후 방향을 다루고 있습니다.
• 11-777 : 멀티 모달 머신 러닝 (2022 년 가을) -Carnegie Mellon University
  • 이 과정은 MMML (MultiModal Machine Learning)을 탐구하며, 수학적 기초, 최첨단 확률 론적 모델 및 주요 과제를 다루며 멀티 모달 변압기 및 신경 상상 모델과 같은 최근의 응용 프로그램 및 기술을 강조합니다.
• 11-877 : 멀티 모달 머신 러닝의 고급 주제 (2022 년 가을) -Carnegie Mellon University
  • 이 과정은 기술 문제와 최근 성과를 다루는 멀티 모달 머신 러닝 (MMML)을 탐구합니다. 코스 웹 사이트의 주간 업데이트, 토론 조사 및 연구 하이라이트를 통해 비판적 사고 및 미래의 연구 동향을 강조합니다.

? 딥 러닝

• 신경 네트워크/딥 러닝 - STATQUEST
  • 이 인기있는 YouTube 재생 목록에서 신경망의 복잡성을 발견하고, 유익한 정보 그래픽과 전문가 가르침과 완벽하게 혼합되어 기본에서 수많은 학생들을 기본에서 컨볼 루션 신경망으로 고급 이미지 분류에 이르기까지 매력적으로 혼합하십시오.
• 신경망 - 3Blue1brown
  • 3Blue1brown은 생생한 애니메이션과 명확한 설명을 통해 신경망의 마법을 공개하며, 손으로 쓴 숫자 인식, 그라디언트 하강의 뉘앙스, 역 프로파제 뒤에 복잡한 미적분학에 깊이 빠져 들었습니다.
• 신경 네트워크 : 제로에서 영웅 - Andrej Karpathy
  • Andrej Karpathy의 과정은 학생들을 기본 역전에서 GPT와 같은 고급 신경망으로 안내하며, Python 프로그래밍 및 기본 수학의 전제 조건과 함께 딥 러닝을 마스터하는 다양한 게이트웨이로 언어 모델을 강조합니다.
• 코더를위한 실용적인 딥 러닝 -Fast.ai
  • Coders를위한 실용적인 딥 러닝 2022는 Pytorch 및 Fastai와 같은 도구를 사용하여 다양한 도메인에 걸쳐 딥 러닝 모델을 구축, 교육 및 배포하는 데 실습 경험을 제공하는 무료 코스입니다. 코딩 지식이있는 사람들에게 적합하고 고급 수학이 필요하지 않습니다.
• 딥 러닝 전문화 - Andrew Ng
  • Andrew Ng의 딥 러닝 전문화는 Coursera에서 1 백만 명이 넘는 학습자를 보유한 최고 등급의 자체 학위 프로그램으로 AI의 명확한 모듈과 실용적인 기술을 제공하며 광대 한 커뮤니티의 지원을 제공하며 최신 기계 학습을 이해할 수있는 컨텐츠로 분류합니다.
• 6.S191 : 딥 러닝 소개 -Massachusetts Institute of Technology
  • 딥 러닝 기본 사항에 대한 MIT의 집중적 인 부트 캠프, 컴퓨터 비전에서 생물학에 이르기까지의 응용 프로그램을 다루고 실습 텐서 플로우 연습 및 절정 경쟁 경쟁. 기본 미적분학 및 선형 대수 지식이 필요합니다. 파이썬 경험이 유익합니다.
• CS25 : Transformers United V2 -Stanford University
  • NLP에서 생물학에 이르기까지 다양한 영역에 걸쳐 딥 러닝에서 변압기의 변형력을 탐구합니다. 전문 강의, 획기적인 토론 및 주요 연구자들의 통찰력을 특징으로하는 세미나, 이해와 교차 실험실 혁신을 목표로합니다.
• 딥 러닝 강의 시리즈 2020 -Deepmind X University College London
  • DeepMind는 딥 러닝에 관한 12 개의 강의 시리즈, 기본 주제에서 고급 기술로 다이빙으로, 객체 인식에서 책임있는 AI 혁신에 이르기까지 모든 연구 전문가가 제공하는 영역을 포함합니다.
• 강화 학습 강의 시리즈 2021 -Deepmind X University College London
  • DeepMind와 UCL은 기본 개념에서 고급 심해 RL 기술에 이르기까지 현대 강화 학습에 대한 포괄적 인 13 강의 시리즈를 발표했습니다.

AI 시스템

• AI-SYS-SP22 머신 러닝 시스템-버클리 캘리포니아 대학교
  • 최첨단 AI 애플리케이션과이를 지원하는 시스템 간의 공생 관계를 탐구하고, 강의, 토론 및 협업 실용 프로젝트를 통해 하드웨어, 소프트웨어 및 AI 중심 최적화 기술의 발전을 탐구합니다.
• 딥 러닝 시스템 : 알고리즘 및 구현 -Tianqi Chen, Zico Kolter
  • 완전한 라이브러리를 구성하여 딥 러닝 시스템의 기초를 탐색하고, 모델 디자인에서 효율적인 알고리즘에 이르기까지 모든 레이어를 파이썬 및 C/C ++에 사용하십시오.
• CS 329S : 머신 러닝 시스템 설계 - 스탠포드 대학교
  • 개인 정보, 공정성 및 보안과 같은 중요한 문제를 해결하면서 이해 관계자, 진화 요구 사항 및 전체 론적 시스템 설계에 중점을 둔 강력하고 확장 가능하며 배포 가능한 기계 학습 시스템을 설계하는 복잡한 정보를 마스터하십시오.
• AI-Systems (LLM Edition) 294-162- 캘리포니아 대학교 버클리
  • 이 과정은 하드웨어/소프트웨어 발전 및 생성 AI의 넥서스를 탐구하여 이러한 혁신이 AI 모델의 스케일링과 기능을 어떻게 추진하는지 강조합니다.
• 15-849 : 기계 학습 시스템 - Carnegie Mellon University
  • 최신 ML 시스템의 아키텍처에 뛰어 들어 이종 하드웨어에서 고급 모델 설계에서 저수준 커널 실행에 이르기까지 여정을 풀고 차세대 ML 애플리케이션 및 플랫폼의 원리와 과제를 밝혀냅니다.
• 컴퓨터 과학 598D- 시스템 및 기계 학습 - 프린스턴 대학교
  • 효율적인 ML 하드웨어/소프트웨어에 대한 최근의 연구를 해부하고 시스템 설계에 ML을 적용하고 실습 프로젝트에 절정 및 대학원생을위한 깊은 토론을 통해 시스템과 머신 러닝 사이의 시너지 효과를 탐구하십시오.

? 여러 가지 잡다한

스타 역사

? 우정 링크

• Waytoagi
  • Waytoagi.com은 AIGC를위한 가장 포괄적 인 중국 자원 허브로, AI의 힘을 이해하고 활용하기 위해 최적화 된 학습 여정을 사용자에게 안내합니다.
• Codefuse-Chatbot
  • Codefuse-Chatbot은 도구, 지식 및 플랫폼 통합에 대한 대화 액세스를 통해 소프트웨어 개발 라이프 사이클을 지원하도록 설계된 오픈 소스 AI 스마트 어시스턴트입니다.
• Codefuse DevOps Eval
  • DevOps-Eval은 풍부한 AIOPS 운동을 포함하여 DevOps 부문의 기초 모델을 평가하고 개선하기위한 특수 스위트를 제공하는 GitHub 저장소입니다.