Awesome AIGC Tutorials

很棒的AIGC教程

英语| 中文版

很棒的AIGC教程包含跨越大型语言模型，AI绘画和相关领域的策划教程和资源的集合。为初学者和高级人工智能爱好者都迎合了深入的见解和知识。

？最新更新

• [2024-02-18] - ？添加了新课程：CSCI-GA.3033-102特殊主题 - 多模式中使用大型语言和视觉模型学习。
• [2024-02-14] - 添加了新课程：大型语言模型中的CS11-711高级自然语言处理。
• [2024-02-14] - 添加了新的研讨会：AI系统（LLM Edition）294-162在AI系统中。

？如何贡献

无论您找到错别字，错误，都有建议，还是想共享与AIGC相关的资源，我们都非常欢迎所有人的贡献。有关如何贡献的详细指南，请参阅我们的contruting.md文件。

内容

• 介绍
• 大型语言模型
  • 及时的工程
  • ？ LLM在实践中
  • ？ LLM的理论
• ？ AI画
  • ？‍？艺术基础和人工智能绘画技术
  • ？稳定的扩散原则和应用
• ？ AI音频
• ？多模式
• ？深度学习
• AI系统
• ？各种各样的
  • 星历史
  • ？友谊链接

介绍

• 每个人的AI - 安德鲁·恩格（Andrew Ng）
  • “每个人的人工智能”是理解AI的实际应用，其局限性及其社会影响的初学者指南，非常适合商业专业人员和领导者。
• 对教师和学生的实用AI - 沃顿学校
  • 沃顿商人Interactive的速成课程深入探讨了LLM的机制和影响，焦点了Openai的Chatgpt4，Microsoft的Bing，以创意模式和Google的Bard等模型。
• 初学者的人工智能 - 微软
  • 这项为期12周的Microsoft课程深入了AI方法，涵盖了神经网络的象征性AI，同时突出显示了张力流和Pytorch框架，但忽略了业务应用程序，经典的机器学习和某些云特异性主题。
• 生成AI学习路径-Google Cloud
  • 这条学习路径从大型语言模型的基础知识到在Google Cloud上部署生成AI解决方案提供了全面的旅程。

大型语言模型

及时的工程

• chatgpt提示开发人员的工程 - 深度学习
  • 该课程由Openai和Deeplearning.AI共同教授，该课程指导学习者利用大型语言模型来完成诸如汇总和文本转换之类的任务，并在Jupyter笔记本电脑环境中进行动手实践经验。
• 使用Chatgpt API建造系统 - 深度学习
  • 在OpenAi和Deeplearning.ai的专家领导下，本课程通过语言模型来教授自动化工作流程，创建及时的链条，整合Python和设计聊天机器人，这是通过动手的Jupyter Notebook练习，只需提供基本的Python知识。
• LLM链LLM应用程序开发-DeepLearning.AI
  • 在Langchain和Andrew Ng的创建者的指导下，本课程深入研究了高级LLM技术，例如链接操作，并以模型为推理代理，使学习者能够通过基础Python知识快速地制定强大的应用程序。
• Langchain：与您的数据聊天-DeepLearning.ai
  • 研究基于文档内容的Langchain的文档内容来探索发现的增强生成和聊天机器人创建，涵盖数据加载，分裂，嵌入，高级检索技术和交互式Chatbot Building，专为精通Python的开发人员而设计，热衷于利用大型语言模型。
• Chatgpt的及时工程 - 范德比尔特大学
  • 通过掌握及时的工程，从基本的提示过渡到复杂的提示，从而释放大型语言模型，例如Chatgpt，从而实现了从写作到模拟的各种应用程序，适合任何具有基本计算机技能的人。
• 及时工程指南-Dair.ai
  • 本指南介绍了及时的工程学，该学科优化了与大型语言模型的互动，提供广泛的资源，研究和工具。
• 学习提示
  • 深入研究生成AI的初学者指南和迅速的工程，提供了行业巨头的见解，并探讨了这些工具如何彻底改变内容创建和工作的未来。
• Langchain AI手册-James Briggs和Francisco Ingham
  • 探索Langchain的变革性世界，掌握核心组件，制作有效的提示，并利用高级AI代理，对话记忆和定制工具，以实现尖端应用。

？ LLM在实践中

• LLM Bootcamp-完整的堆栈
  • 深入研究迅速的工程，LLM操作，语言界面的用户体验设计，增强语言模型技术，基础LLM Insights，动手实践项目以及LLMS的未来，并获得了培训和代理设计的专家谈判。
• 大型语言模型 - 深度学习
  • 了解使用沙龙周的填充大语模型（LLM）的技术，在数据准备，培训和更新神经净重方面获得专业知识，以改进根据您的数据量身定制的结果。
• CS25：变形金刚联合V3-斯坦福大学
  • 本课程深入研究了变形金刚在深度学习中的变革性作用，尤其是它们对Chatgpt和GPT-4等语言模型进步的影响。
• 了解用于现实世界应用的生成AI的基本原理-AWS x DeepLearning.AI
  • 本课程与AWS合作，深入了解生成AI和大型语言模型（LLMS）。参与者将从AWS AI专家那里学习LLMS的机制，优化和现实应用程序。适用于AI和机器学习的专业人员，完成后获得Coursera证书。推荐基本的Python和机器学习知识。

？ LLM的理论

• CS324-基础模型的进步 - 斯坦福大学
  • CS 324深入研究了GPT-3和DALL-E等基础模型，涵盖了其原理，系统，伦理和应用，并在动手研究项目或应用程序设计中达到顶峰。
• CS11-711高级自然语言处理 - 卡内基·梅隆大学
  • CMU的高级NLP课程探讨了现代的神经方法，以理解和创新自然语言处理。
• CS 601.471/671 NLP：自我监督模型-Johns Hopkins University
  • 本课程为NLP提供了深入的探索，培训学生使用Pytorch设计和实施神经网络模型，重点是各种语言模型体系结构。
• 11-667：大型语言模型方法和应用 - 卡内基·梅隆大学
  • 该研究生课程提供了大型语言模型（LLM）的全面概述，涵盖了基础知识，新兴能力，应用，扩展技术，部署问题以及未来的挑战，并为学生提供了AI时代的研究和应用。
• CS224N：深度学习的自然语言处理 - 斯坦福大学
  • 本课程为使用Pytorch提供了对NLP深度学习的全面见解，强调了端到端的神经模型，消除了对特定于任务的功能工程的需求，并为学生提供技能来制定自己的神经网络解决方案。
• Tinyml和有效的深度学习计算 - 马萨诸塞州技术研究所
  • 本课程探索了有效的AI计算技术，用于对受限设备进行深入学习，涵盖模型压缩，修剪，量化，架构搜索，分布式培训和量子机学习，并动手部署大型模型，例如笔记本电脑上的Llama 2。
• 语音和语言处理-Dan Jurafsky和James H. Martin
  • 该权威文本由该领域的领先专家撰写，对现代自然语言处理和语音识别的算法和数学模型提供了深入的探索，并不断更新以反映NLP域中的快速进步。
• COS 597G（2022年秋季）：了解大语言模型 - 普林斯顿大学
  • 对LLM的变革性领域进行了高级探索，讨论了最先进的模型，其深刻的能力和相关挑战，并着重于深入研究，道德考虑和动手项目经验，适用于经验丰富的项目经验精通机器学习和深入NLP框架。

？ AI画

？‍？艺术基础和人工智能绘画技术

• 讲座系列：关于艺术基础知识的一个有趣的话题-Niji Academy
  • Niji Academy将艺术基础知识与AI融合，提高绘画技巧并加快艺术学习的速度。

？稳定的扩散原则和应用

• 扩散模型的工作方式 - 深度学习
  • Sharon Zhou的中级课程“扩散模型如何工作”中的主体生成AI，您将从头开始制作扩散模型，丰富了动手编码和实验室，非常适合精通Python，Tensorflow或Pytorch的人。
• 拥抱面部扩散模型课程
  • 拥抱面孔课程可深入了解扩散模型，并使用扩散器库通过媒体发电，动手培训和定制，并对Python进行基本了解，并深入学习最佳体验。
• 编码人员的实用深度学习第2部分：深度学习基础，以稳定扩散-Fast.ai
  • 本课程对稳定的扩散算法进行了深入的探索，涵盖了使用Pytorch的先进的深度学习技术和动手项目，从而增强了具有尖端扩散模型专业知识的学生。

？ AI音频

• 拥抱面部音频课程
  • 拥抱的面部音频课程教导如何使用变形金刚进行各种音频任务，从语音识别到文本产生语音，将理论与动手练习相结合，为熟悉深度学习的学习者提供动手练习。
• CS224S：口语处理 - 斯坦福大学
  • 关于口语技术的沉浸式课程，涵盖对话系统，语音识别和综合方面的深度学习以及使用现代工具（例如Pytorch，Alexa技能套件）和语音脑等现代工具，最终在学生驱动的研究或系统设计项目中达到顶峰。

？多模式

• CSCI-GA.3033-102特殊主题 - 用大语言和视觉模型学习
  • 研究生课程对大语言和视觉模型的影响，涵盖多模式和生成的AI，并为学生做好准备进行AI研究。
• 多模式机器学习教程（ICML 2023） - 卡内基·梅隆大学
  • 本课程可深入了解多模式机器学习，从最新版本的调查文件和CMU的学术教义中汲取了见解，以应对其独特的挑战和未来的方向。
• 11-777：多模式机器学习（2022年秋季） - 卡内基·梅隆大学
  • 本课程深入研究了多模式的机器学习（MMML），涵盖其数学基础，最先进的概率模型以及关键挑战，同时着重强调了最新的应用和技术，例如多模式变压器和神经符号模型。
• 11-877：多模式机器学习的高级主题（2022年秋季） - 卡内基·梅隆大学
  • 本课程探讨了多模式的机器学习（MMML），涵盖了技术挑战和最近的成就。它强调了批判性思维和未来的研究趋势，每周更新，讨论探查和研究亮点在课程网站上。

？深度学习

• 神经网络/深度学习 - Statquest
  • 在这个非常流行的YouTube播放列表中，发现神经网络的复杂性，无缝地融合了信息图形与专家教义，吸引了无数的学生，从基础到高级图像分类，并使用卷积神经网络。
• 神经网络-3Blue1brown
  • 3Blue1brown通过生动的动画和清晰的解释揭示了神经网络的魔力，深入研究了手写的数字识别，梯度下降的细微差别以及背面背后的错综复杂的演算。
• 神经网络：零对英雄-Andrej Karpathy
  • Andrej Karpathy的课程指导学生从基础反向传播到GPT等先进的神经网络，强调语言模型是掌握深度学习的多功能门户，并具有Python编程和基本数学的先决条件。
• 编码人员实用的深度学习-Fast.ai
  • 编码人员的实践深度学习2022是一门免费课程，可利用Pytorch和Fastai等工具在各个领域内构建，培训和部署深度学习模型，适用于具有编码知识的人，而无需高级数学。
• 深度学习专业化-Andrew Ng
  • Andrew Ng的深度学习专业化是Coursera上最高的，自定进度的计划，拥有超过100万学习者，在AI中提供了清晰的模块和实用技术，并得到了一个庞大的社区的支持，并将最新的机器学习中的最新机器学习分解为可理解的内容。
• 6.S191：深度学习概论 - 马萨诸塞州技术研究所
  • 麻省理工学院对深度学习基础知识的密集训练营，涵盖了从计算机视觉到生物学的应用，动手张力训练练习和最终的项目竞赛。需要基本的微积分和线性代数知识； Python经验有益。
• CS25：变形金刚联合V2-斯坦福大学
  • 在以专家讲座，突破性讨论以及领先的研究人员的见解为特色的研讨会上，探索从NLP到生物学的深度学习中变形金刚在深度学习中的变革力量，旨在促进理解和跨管理创新。
• 深度学习讲座系列2020年-DeepMind X伦敦大学学院
  • DeepMind介绍了一个关于深度学习的12个讲座，从基础主题到高级技术，涵盖了从对象识别到负责任的AI创新的领域，所有这些领域都是由领先的研究专家提供的。
• 强化学习讲座系列2021-伦敦大学X大学学院
  • DeepMind和UCL介绍了有关现代强化学习的全面13个讲座，从基础概念到高级深度RL技术，由专家研究人员Hado Van Hasselt，Diana Borsa和Matteo Hessel领导。

AI系统

• AI-SYS SP22机器学习系统 - 加利福尼亚大学伯克利分校
  • 通过讲座，讨论，讨论和协作的动手项目，深入研究了前沿AI应用程序与支持它们的系统之间的共生关系，探索硬件，软件和AI驱动的优化技术的进步。
• 深度学习系统：算法和实施-Tianqi Chen，Zico Kolter
  • 利用Python和C/C ++，通过构建完整的库来探索深度学习系统的基础，了解从模型设计到高效算法的每个层。
• CS 329：机器学习系统设计 - 斯坦福大学
  • 掌握设计强大，可扩展和可部署的机器学习系统的复杂性，专注于利益相关者，不断发展的需求和整体系统设计，同时解决了隐私，公平和安全等关键问题。
• AI-Systems（LLM版）294-162-加利福尼亚大学，伯克利分校
  • 本课程深入研究了硬件/软件进步和生成AI的联系，强调了这些创新如何推动AI模型的扩展和功能。
• 15-849：机器学习系统 - 卡内基·梅隆大学
  • 深入现代ML系统的体​​系结构，揭示了从高级模型设计到异质硬件的低级内核执行的旅程，同时揭示了下一代ML应用程序和平台的原理和挑战。
• 计算机科学598D-系统与机器学习 - 普林斯顿大学
  • 通过剖析有关有效的ML硬件/软件的最新研究，并将ML应用于系统设计，最终对研究生进行深入讨论，从而探索系统和机器学习之间的协同作用。

？各种各样的

星历史

？友谊链接

• Waytoagi
  • Waytoagi.com是AIGC最全面的中国资源枢纽，引导用户进行优化的学习旅程，以了解和利用AI的力量。
• CodeFuse-Chatbot
  • CodeFuse-Chatbot是一家开源AI Smart Assistan，旨在支持软件开发生命周期，以对话访问工具，知识和平台集成。
• CodeFuse DevOps评估
  • DevOps-eval是一个GitHub存储库，提供专门的套件，用于评估和改善DevOps领域的基础模型，包括丰富的AIOPS练习。