Awesome AIGC Tutorials

Tutoriais incríveis da AIGC

Inglês | 中文版

Os tutoriais incríveis da AIGC abrigam uma coleção com curadoria de tutoriais e recursos que abrangem grandes modelos de idiomas, pintura de IA e campos relacionados. Descubra insights e conhecimento detalhados atendidos para iniciantes e entusiastas avançados da IA.

? Atualizações recentes

• [2024-02-18]-? Adicionado novo curso: CSCI-GA.3033-102 Tópico especial-Aprendendo com grandes modelos de linguagem e visão em multimodais.
• [2024-02-14]-Adicionado novo curso: CS11-711 Processamento avançado de linguagem natural em grandes modelos de linguagem.
• [2024-02-14]-Adicionado novo seminário: AI-Systems (LLM Edition) 294-162 no sistema de IA.

? Como contribuir

Congratulamo -nos com contribuições calorosamente de todos, se você encontrou um erro de digitação, um bug, tem uma sugestão ou queremos compartilhar um recurso relacionado à AIGC. Para obter diretrizes detalhadas sobre como contribuir, consulte nosso arquivo contribuindo.md.

Contente

• Introdução
• Grandes modelos de linguagem
  • Engenharia rápida
  • ? LLMS na prática
  • ? Teoria dos LLMs
• ? Ai pintura
  • ? ‍? Fundamentos de arte e técnicas de pintura de IA
  • ? Princípios e aplicações de difusão estáveis
• ? Áudio da IA
• ? Multimodal
• ? Aprendizado profundo
• Sistema de IA
• ? Variado
  • História da estrela
  • ? Links de amizade

Introdução

• Ai para todos - Andrew Ng
  • "Ai para todos" é um guia para iniciantes para entender as aplicações práticas da IA, suas limitações e seu impacto social, ideal para profissionais de negócios e líderes.
• IA prática para professores e alunos - Escola Wharton
  • O curso intensivo da Wharton Interactive investiga a mecânica e os impactos do LLMS, modelos de destaque como ChatGPT4 do OpenAI, Bing no Modo Criativo da Microsoft e Bard do Google.
• Inteligência artificial para iniciantes - Microsoft
  • Esse currículo da Microsoft de 12 semanas mergulha profundamente nas metodologias da IA, abrangendo a IA simbólica às redes neurais, destacando estruturas de tensorflow e pytorch, mas omite aplicativos de negócios, aprendizado de máquina clássico e certos tópicos específicos da nuvem.
• Caminho generativo de aprendizado de IA - Google Cloud
  • Esse caminho de aprendizado oferece uma jornada abrangente do básico de grandes modelos de idiomas para implantar soluções generativas de IA no Google Cloud.

Grandes modelos de linguagem

Engenharia rápida

• Chatgpt Prompt Engineering for Developers - Deeplearning.ai
  • Co-ensinado pelo Openai e Deeplearning.ai, este curso orienta os alunos a alavancar grandes modelos de idiomas para tarefas como resumir e transformar o texto, com experiências práticas em um ambiente de notebooks Jupyter.
• Building Systems with the ChatGPT API - Deeplearning.ai
  • Liderados por especialistas do OpenAI e Deeplearning.ai, este curso ensina automatizando fluxos de trabalho usando modelos de idiomas, criando cadeias rápidas, integrando o Python e projetando chatbots, por todos os exercícios práticos de notebook Jupyter com apenas o conhecimento básico de Python exigido.
• Langchain para LLM Application Development - Deeplearning.ai
  • Guiado pelo Criador de Langchain e Andrew Ng, este curso mergulha em técnicas avançadas de LLM, como operações de encadeamento e o uso de modelos como agentes de raciocínio, capacitando os alunos a criar aplicativos robustos rapidamente com o conhecimento do Python fundamental.
• Langchain: converse com seus dados - Deeplearning.ai
  • Abra-se na geração aumentada de recuperação e na criação de chatbot com base no conteúdo do documento com Langchain, cobrindo o carregamento de dados, divisão, incorporação, técnicas avançadas de recuperação e construção de chatbot interativa, projetada para desenvolvedores que gostam de Python, interessados ​​em aproveitar grandes modelos de linguagem.
• Engenharia rápida para chatgpt - Universidade Vanderbilt
  • Desbloqueie o potencial de grandes modelos de idiomas como o ChatGPT, dominando a engenharia imediata, a transição de avisos básicos para sofisticados, permitindo diversas aplicações que variam da escrita à simulação, adequadas para qualquer pessoa com habilidades básicas de informática.
• Guia de engenharia imediata - Dair.ai
  • Este guia apresenta engenharia rápida, uma disciplina que otimiza as interações com grandes modelos de idiomas, oferecendo recursos, pesquisas e ferramentas extensas.
• Aprenda solicitação
  • Mergulhe em um guia para iniciantes sobre IA generativa e engenharia imediata, oferecendo informações dos gigantes da indústria e explore como essas ferramentas revolucionam a criação de conteúdo e o futuro do trabalho.
• Langchain AI Handbook - James Briggs e Francisco Ingham
  • Explore o mundo transformador de Langchain, domina os componentes principais, criando instruções eficazes e aproveitando agentes avançados de IA, memórias de conversação e ferramentas personalizadas para aplicações de ponta.

? LLMS na prática

• LLM Bootcamp - a pilha completa
  • Desenhe profundamente as operações de Engenharia, LLM, design de experiência do usuário para interfaces de idiomas, técnicas de modelos de idiomas aumentados, insights fundamentais da LLM, projetos práticos e o futuro do LLMS, complementado por conversas especializadas dos líderes do setor em treinamento e design de agentes.
• Finetuning Language Models - Deeplearning.ai
  • Aprenda as técnicas de Modelos de Linguagem de grandes fietuning (LLMS) com Sharon Zhou, adquirindo experiência em preparação de dados, treinamento e atualização de pesos líquidos neurais para obter melhores resultados adaptados aos seus dados.
• CS25: Transformers United V3 - Universidade de Stanford
  • Este curso investiga o papel transformador dos transformadores no aprendizado profundo, particularmente seu impacto no avanço de modelos de idiomas como ChatGPT e GPT-4.
• Aprenda os fundamentos da IA ​​generativa para aplicações do mundo real - AWS X Deeplearning.ai
  • Este curso, em parceria com a AWS, oferece informações profundas sobre IA generativa e grandes modelos de idiomas (LLMS). Os participantes aprenderão as aplicações mecânicas, otimização e do mundo real do LLMS dos especialistas da AWS AI. Adequado para profissionais de IA e aprendizado de máquina, com um certificado Coursera após a conclusão. Conhecimento básico de aprendizado de python e máquina recomendado.

? Teoria dos LLMs

• CS324 - Avanços nos modelos de fundação - Universidade de Stanford
  • O CS 324 investiga modelos de fundação como GPT-3 e Dall-E, cobrindo seus princípios, sistemas, ética e aplicação e culmina em um projeto prático de pesquisa ou design de aplicativos.
• CS11-711 Processamento avançado de linguagem natural - Universidade Carnegie Mellon
  • O curso avançado de PN da CMU explora métodos neurais modernos para entender e inovar no processamento de linguagem natural.
• CS 601.471/671 NLP: Modelos auto -supervisionados - Universidade Johns Hopkins
  • Este curso oferece uma exploração aprofundada de técnicas de aprendizagem auto-supervisionadas para a PNL, treinando os alunos para projetar e implementar modelos de rede neural usando Pytorch, com foco em várias arquiteturas de modelos de idiomas.
• 11-667: Modelos e aplicações de modelos de idiomas grandes - Universidade Carnegie Mellon
  • Este curso de pós -graduação oferece uma visão geral abrangente de grandes modelos de idiomas (LLMS), abrangendo o básico, recursos emergentes, aplicações, técnicas de escala, preocupações de implantação e desafios futuros, equipando estudantes para pesquisa e aplicações na era da IA.
• CS224N: Processamento de linguagem natural com Deep Learning - Stanford University
  • Este curso fornece uma visão abrangente do aprendizado profundo para a PNL usando o Pytorch, enfatizando os modelos neurais de ponta a ponta, eliminando a necessidade de engenharia de recursos específicos de tarefas e equipando os alunos com as habilidades para criar suas próprias soluções de rede neural.
• TinyML e computação de aprendizado profundo eficiente - Instituto de Tecnologia de Massachusetts
  • Este curso explora técnicas eficientes de computação de IA para aprendizado profundo em dispositivos restritos, abrangendo compactação de modelos, poda, quantização, pesquisa de arquitetura, treinamento distribuído e aprendizado de máquina quântica, com implantação prática de grandes modelos como o LLAMA 2 em laptops.
• Processamento de fala e linguagem - Dan Jurafsky e James H. Martin
  • Autores de especialistas líderes do campo, esse texto autoritário fornece uma exploração aprofundada dos algoritmos e modelos matemáticos para o processamento moderno de linguagem natural e o reconhecimento de fala e é continuamente atualizado para refletir os rápidos avanços no domínio PNL.
• COS 597G (outono 2022): Compreendendo grandes modelos de idiomas - Universidade de Princeton
  • Uma exploração avançada para o campo transformador do LLMS, discutindo modelos de ponta, suas profundas capacidades e desafios associados, com ênfase em pesquisas aprofundadas, considerações éticas e experiência prática do projeto, adaptada para experientes Alunos versados ​​em aprendizado de máquina e estruturas profundas de PNL.

? Ai pintura

? ‍? Fundamentos de arte e técnicas de pintura de IA

• Série de palestras: um tópico interessante todas as semanas sobre os fundamentos da arte - academia Niji
  • A NIJI Academy combina os fundamentos da arte com a IA, elevando as habilidades de pintura e acelerando o aprendizado de arte.

? Princípios e aplicações de difusão estáveis

• Como os modelos de difusão funcionam - deeplearning.ai
  • Mestre IA generativa em 'Como os modelos de difusão funcionam', um curso intermediário de Sharon Zhou, onde você criará modelos de difusão do zero, enriquecido com codificação e laboratórios práticos, ideais para aqueles proficientes em python, tensorflow ou pytorch.
• Curso de modelos de difusão de rosto de abraço
  • O Curso de Abraço de Abraço oferece uma visão aprofundada dos modelos de difusão, orientando os participantes por meio de geração de mídia, treinamento prático e personalização usando a biblioteca difusores, com um entendimento fundamental do Python e do aprendizado profundo essencial para a melhor experiência.
• Aprendizagem profunda prática para codificadores Parte 2: Fundamentos de aprendizado profundo para difusão estável - Fast.ai
  • Este curso oferece uma exploração aprofundada de algoritmos de difusão estável, abrangendo técnicas avançadas de aprendizado profundo e projetos práticos usando Pytorch, capacitando os alunos com experiência em modelos de difusão de ponta.

? Áudio da IA

• Curso de áudio de rosto abraçado
  • O Curso de Áudio de Abraço Facas ensina como usar Transformers para várias tarefas de áudio, desde o reconhecimento de fala até a geração de discursos a partir do texto, combinando a teoria com exercícios práticos para os alunos familiarizados com o aprendizado profundo.
• CS224S: Processamento de idioma falado - Universidade de Stanford
  • Um curso imersivo sobre tecnologia de linguagem falada, abrangendo sistemas de diálogo, aprendizado profundo em reconhecimento e síntese de fala, com projetos práticos usando ferramentas modernas como Pytorch, Alexa Skills Kit e Speechbrain, culminando em projetos de pesquisa ou design de sistemas orientados por alunos.

? Multimodal

• CSCI-GA.3033-102 Tópico especial-Aprendendo com grandes modelos de linguagem e visão
  • Curso de pós -graduação sobre o impacto de grandes modelos de linguagem e visão, cobrindo IA multimodal e generativa e preparando os alunos para a pesquisa de IA.
• Tutorial sobre aprendizado de máquina multimodal (ICML 2023) - Universidade Carnegie Mellon
  • Este curso oferece uma análise aprofundada do aprendizado de máquina multimodal, desenhando informações da última edição de um documento de pesquisa e os ensinamentos acadêmicos da CMU, enfrentando seus desafios únicos e direções futuras.
• 11-777: Aprendizado multimodal de máquina (outono 2022) - Universidade Carnegie Mellon
  • Este curso investiga o aprendizado de máquina multimodal (MMML), cobrindo seus fundamentos matemáticos, modelos probabilísticos de ponta e desafios-chave, destacando aplicações e técnicas recentes, como transformadores multimodais e modelos neuro-simbólicos.
• 11-877: Tópicos avançados no aprendizado de máquina multimodal (outono 2022) - Universidade Carnegie Mellon
  • Este curso explora o aprendizado multimodal de máquina (MMML), abrangendo desafios técnicos e realizações recentes. Ele enfatiza o pensamento crítico e as tendências de pesquisas futuras, com atualizações semanais, sondas de discussão e destaques de pesquisa no site do curso.

? Aprendizado profundo

• Redes neurais/aprendizado profundo - Statquest
  • Descubra os meandros das redes neurais nesta lista de reprodução altamente popular do YouTube, misturando gráficos informativos perfeitamente com ensinamentos especializados, cativando inúmeros alunos do básico à classificação de imagem avançada com redes neurais convolucionais.
• Redes neurais - 3Blue1Brown
  • 3Blue1Brown revela a magia das redes neurais por meio de animações vívidas e explicações claras, mergulhando profundamente no reconhecimento de dígitos escritos à mão, nas nuances de descida de gradiente e no intrincado cálculo por trás da retropropagação.
• Redes neurais: zero a herói - Andrej Karpathy
  • O curso de Andrej Karpathy orienta os alunos da retropropagação fundamental para redes neurais avançadas como o GPT, enfatizando os modelos de linguagem como um gateway versátil para dominar o aprendizado profundo, com pré -requisitos na programação Python e matemática básica.
• Aprendizagem profunda prática para codificadores - Fast.ai
  • O aprendizado profundo prático para os codificadores 2022 é um curso gratuito que oferece experiência prática na construção, treinamento e implantação de modelos de aprendizado profundo em vários domínios usando ferramentas como pytorch e fastai, adequadas para aqueles com conhecimento de codificação e sem a necessidade de matemática avançada.
• Especialização de aprendizado profundo - Andrew Ng
  • A profunda especialização de aprendizagem de Andrew NG é um programa de pontuação e com ritmo próprio no Coursera, com mais de 1 milhão de alunos, oferecendo módulos claros e técnicas práticas na IA, apoiadas por uma vasta comunidade e quebrando o mais recente aprendizado de máquina em conteúdo compreensível.
• 6.S191: Introdução ao Deep Learning - Massachusetts Institute of Technology
  • O intensivo bootcamp do MIT sobre os fundamentos do aprendizado profundo, cobrindo aplicativos da visão computacional à biologia, com prática prática de tensorflow e uma competição culminante do projeto. Cálculo básico e conhecimento de álgebra linear necessária; Experiência em Python benéfica.
• CS25: Transformers United V2 - Universidade de Stanford
  • Explore o poder transformador dos transformadores em um aprendizado profundo em diversos domínios, da PNL à biologia, em um seminário com palestras especializadas, discussões inovadoras e insights dos principais pesquisadores, com o objetivo de promover a compreensão e a inovação entre colaboradores.
• Deep Learning Lecture Série 2020 - Deepmind x University College London
  • O DeepMind apresenta uma série de 12 palestras sobre aprendizado profundo, mergulhando de tópicos fundamentais a técnicas avançadas, abrangendo áreas do reconhecimento de objetos à inovação responsável da IA, todos entregues pelos principais especialistas em pesquisa.
• Série de palestras de aprendizado de reforço 2021 - Deepmind x University College London
  • A DeepMind e a UCL apresentam uma série abrangente de 13 palestras sobre o aprendizado moderno de reforço, desde conceitos fundamentais até técnicas avançadas de RL, lideradas pelos pesquisadores especializados Hando Van Hasselt, Diana Borsa e Matteo Hessel.

Sistema de IA

• Sistemas de aprendizado de máquina AI-SYS-SP22-Universidade da Califórnia, Berkeley
  • Aproveite a relação simbiótica entre os aplicativos de IA de ponta e os sistemas que os suportam, explorando avanços em técnicas de otimização de hardware, software e orientação de IA, através de palestras, discussões e projetos práticos colaborativos.
• Sistemas de aprendizado profundo: algoritmos e implementação - Tianqi Chen, Zico Kolter
  • Explore os fundamentos dos sistemas de aprendizado profundo, construindo uma biblioteca completa, compreendendo todas as camadas do design do modelo a algoritmos eficientes, utilizando Python e C/C ++.
• CS 329S: Design de sistemas de aprendizado de máquina - Universidade de Stanford
  • Domine os meandros de projetar sistemas de aprendizado de máquina robustos, escaláveis ​​e implantáveis, concentrando -se nas partes interessadas, requisitos em evolução e no design holístico do sistema, abordando questões críticas como privacidade, justiça e segurança.
• AI-Systems (LLM Edition) 294-162-Universidade da Califórnia, Berkeley
  • Este curso investiga o nexo de avanços de hardware/software e IA generativa, enfatizando como essas inovações impulsionam a escala e as capacidades dos modelos de IA.
• 15-849: Sistemas de aprendizado de máquina - Universidade Carnegie Mellon
  • Mergulhe na arquitetura dos sistemas modernos de ML, desvendando a jornada do design de modelo de alto nível à execução do kernel de baixo nível em hardware heterogêneo, enquanto descobre os princípios e desafios dos aplicativos e plataformas de ML de próxima geração.
• Ciência da Computação 598D - Sistemas e aprendizado de máquina - Universidade de Princeton
  • Explore a sinergia entre sistemas e aprendizado de máquina, dissecando pesquisas recentes sobre hardware/software eficientes e aplicação do ML no design do sistema, culminando em projetos práticos e discussões profundas para os alunos de pós-graduação.

? Variado

História da estrela

? Links de amizade

• Waytoagi
  • Waytoagi.com é o centro de recursos chineses mais abrangente da AIGC, orientando os usuários em uma jornada de aprendizado otimizada para entender e aproveitar o poder da IA.
• Codefuse-chatbot
  • O Codefuse-Chatbot é um assistente inteligente de IA de código aberto, projetado para apoiar o ciclo de vida do desenvolvimento de software com acesso de conversação a ferramentas, conhecimento e integração da plataforma.
• Codefuse DevOps Eval
  • O DevOps-Eval é um repositório do GitHub que oferece um conjunto especializado para avaliar e melhorar os modelos de fundação no setor de DevOps, incluindo um rico conjunto de exercícios de AIOPs.