初学者的路线图在2024年学习生成AI
1。用户
要开始学习作为用户生成的AI，请遵循以下步骤：
- 注册并在任何生成的AI工具上创建一个帐户（例如，Chatgpt，Bard，Midjourney，Dalle 2，稳定的扩散）。
- 通过这些工具获得动手实践经验。
- 了解生成AI工具的功能和功能。
- 尝试探索其优点和缺点的工具。
2。超级用户
熟悉生成AI工具后，可以增强您作为超级用户的知识：
- 了解及时的工程。
- 探索有效的生成AI工具的提示。
- 了解编写提示的最佳实践。
3。开发人员
对于开发人员，路线图包括：
先决条件
在研究生成AI开发之前，请确保您对：
- 概率和统计概念。
- 线性代数概念。
- 微积分概念。
- python/r等编程语言。
机器学习
- 适合受监督和无监督的学习算法。
- 在表格数据集上构建机器学习模型。
深度学习
- 了解深度学习体系结构（MLP，RNN，LSTMS，GRUS，CNNS）。
- 深入学习框架的实践经验（Keras，Tensorflow，Pytorch或Fastai）。
- 培训深度学习模型，包括MLP，RNN，CNNS。
NLP和计算机视觉的生成模型
选择您的路径：
3.3.1 NLP的生成模型
- 掌握大型语言模型（LLMS），例如变形金刚，Bert，GPT 3.5，Palm 2。
- 使用LLMS进行下游任务和填充。
- 探索诸如Chatgpt和Bard之类的模型。
3.3.2计算机视觉的生成模型
- 了解扩散模型。
- 了解稳定的扩散模型。
- 探索诸如中间之旅之类的模型，达勒2。
4。研究员
对于有抱负的生成AI研究人员：
NLP研究人员
- 实施注意模型，KQV注意力，层归一化，位置编码。
- 构建自己的GPT体系结构。
- 学习强化学习算法和PPO。
- 实施RLHF。
- 从头开始构建Chatgpt。
- 随着NLP生成AI的当前趋势，请保持最新状态。
计算机视觉研究人员
- 从头开始构建扩散模型。
- 实施稳定的扩散。
- 随着计算机视觉的生成AI的当前趋势，请继续更新。
该路线图是一份指南，可帮助您从成为用户到生成AI的研究人员。根据您的兴趣和目标来定制学习路径。
