Awesome AIGC Tutorials

很棒的AIGC教程

英語| 中文版

很棒的AIGC教程包含跨越大型語言模型，AI繪畫和相關領域的策劃教程和資源的集合。為初學者和高級人工智能愛好者都迎合了深入的見解和知識。

？最新更新

• [2024-02-18] - ？添加了新課程：CSCI-GA.3033-102特殊主題 - 多模式中使用大型語言和視覺模型學習。
• [2024-02-14] - 添加了新課程：大型語言模型中的CS11-711高級自然語言處理。
• [2024-02-14] - 添加了新的研討會：AI系統（LLM Edition）294-162在AI系統中。

？如何貢獻

無論您找到錯別字，錯誤，都有建議，還是想共享與AIGC相關的資源，我們都非常歡迎所有人的貢獻。有關如何貢獻的詳細指南，請參閱我們的contruting.md文件。

內容

• 介紹
• 大型語言模型
  • 及時的工程
  • ？ LLM在實踐中
  • ？ LLM的理論
• ？ AI畫
  • ？‍？藝術基礎和人工智能繪畫技術
  • ？穩定的擴散原則和應用
• ？ AI音頻
• ？多模式
• ？深度學習
• AI系統
• ？各種各樣的
  • 星曆史
  • ？友誼鏈接

介紹

• 每個人的AI - 安德魯·恩格（Andrew Ng）
  • “每個人的人工智能”是理解AI的實際應用，其局限性及其社會影響的初學者指南，非常適合商業專業人員和領導者。
• 對教師和學生的實用AI - 沃頓學校
  • 沃頓商人Interactive的速成課程深入探討了LLM的機制和影響，焦點了Openai的Chatgpt4，Microsoft的Bing，以創意模式和Google的Bard等模型。
• 初學者的人工智能 - 微軟
  • 這項為期12週的Microsoft課程深入了AI方法，涵蓋了神經網絡的象徵性AI，同時突出顯示了張力流和Pytorch框架，但忽略了業務應用程序，經典的機器學習和某些雲特異性主題。
• 生成AI學習路徑-Google Cloud
  • 這條學習路徑從大型語言模型的基礎知識到在Google Cloud上部署生成AI解決方案提供了全面的旅程。

大型語言模型

及時的工程

• chatgpt提示開發人員的工程 - 深度學習
  • 該課程由Openai和Deeplearning.AI共同教授，該課程指導學習者利用大型語言模型來完成諸如匯總和文本轉換之類的任務，並在Jupyter筆記本電腦環境中進行動手實踐經驗。
• 使用Chatgpt API建造系統 - 深度學習
  • 在OpenAi和Deeplearning.ai的專家領導下，本課程通過語言模型來教授自動化工作流程，創建及時的鏈條，整合Python和設計聊天機器人，這是通過動手的Jupyter Notebook練習，只需提供基本的Python知識。
• LLM鏈LLM應用程序開發-DeepLearning.AI
  • 在Langchain和Andrew Ng的創建者的指導下，本課程深入研究了高級LLM技術，例如鍊接操作，並以模型為推理代理，使學習者能夠通過基礎Python知識快速地制定強大的應用程序。
• Langchain：與您的數據聊天-DeepLearning.ai
  • 研究基於文檔內容的Langchain的文檔內容來探索發現的增強生成和聊天機器人創建，涵蓋數據加載，分裂，嵌入，高級檢索技術和交互式Chatbot Building，專為精通Python的開發人員而設計，熱衷於利用大型語言模型。
• Chatgpt的及時工程 - 范德比爾特大學
  • 通過掌握及時的工程，從基本的提示過渡到復雜的提示，從而釋放大型語言模型，例如Chatgpt，從而實現了從寫作到模擬的各種應用程序，適合任何具有基本計算機技能的人。
• 及時工程指南-Dair.ai
  • 本指南介紹了及時的工程學，該學科優化了與大型語言模型的互動，提供廣泛的資源，研究和工具。
• 學習提示
  • 深入研究生成AI的初學者指南和迅速的工程，提供了行業巨頭的見解，並探討了這些工具如何徹底改變內容創建和工作的未來。
• Langchain AI手冊-James Briggs和Francisco Ingham
  • 探索Langchain的變革性世界，掌握核心組件，製作有效的提示，並利用高級AI代理，對話記憶和定制工具，以實現尖端應用。

？ LLM在實踐中

• LLM Bootcamp-完整的堆棧
  • 深入研究迅速的工程，LLM操作，語言界面的用戶體驗設計，增強語言模型技術，基礎LLM Insights，動手實踐項目以及LLMS的未來，並獲得了培訓和代理設計的專家談判。
• 大型語言模型 - 深度學習
  • 了解使用沙龍週的填充大語模型（LLM）的技術，在數據準備，培訓和更新神經淨重方面獲得專業知識，以改進根據您的數據量身定制的結果。
• CS25：變形金剛聯合V3-斯坦福大學
  • 本課程深入研究了變形金剛在深度學習中的變革性作用，尤其是它們對Chatgpt和GPT-4等語言模型進步的影響。
• 了解用於現實世界應用的生成AI的基本原理-AWS x DeepLearning.AI
  • 本課程與AWS合作，深入了解生成AI和大型語言模型（LLMS）。參與者將從AWS AI專家那裡學習LLMS的機制，優化和現實應用程序。適用於AI和機器學習的專業人員，完成後獲得Coursera證書。推薦基本的Python和機器學習知識。

？ LLM的理論

• CS324-基礎模型的進步 - 斯坦福大學
  • CS 324深入研究了GPT-3和DALL-E等基礎模型，涵蓋了其原理，系統，倫理和應用，並在動手研究項目或應用程序設計中達到頂峰。
• CS11-711高級自然語言處理 - 卡內基·梅隆大學
  • CMU的高級NLP課程探討了現代的神經方法，以理解和創新自然語言處理。
• CS 601.471/671 NLP：自我監督模型-Johns Hopkins University
  • 本課程為NLP提供了深入的探索，培訓學生使用Pytorch設計和實施神經網絡模型，重點是各種語言模型體系結構。
• 11-667：大型語言模型方法和應用 - 卡內基·梅隆大學
  • 該研究生課程提供了大型語言模型（LLM）的全面概述，涵蓋了基礎知識，新興能力，應用，擴展技術，部署問題以及未來的挑戰，並為學生提供了AI時代的研究和應用。
• CS224N：深度學習的自然語言處理 - 斯坦福大學
  • 本課程為使用Pytorch提供了對NLP深度學習的全面見解，強調了端到端的神經模型，消除了對特定於任務的功能工程的需求，並為學生提供技能來製定自己的神經網絡解決方案。
• Tinyml和有效的深度學習計算 - 馬薩諸塞州技術研究所
  • 本課程探索了有效的AI計算技術，用於對受限設備進行深入學習，涵蓋模型壓縮，修剪，量化，架構搜索，分佈式培訓和量子機學習，並動手部署大型模型，例如筆記本電腦上的Llama 2。
• 語音和語言處理-Dan Jurafsky和James H. Martin
  • 該權威文本由該領域的領先專家撰寫，對現代自然語言處理和語音識別的算法和數學模型提供了深入的探索，並不斷更新以反映NLP域中的快速進步。
• COS 597G（2022年秋季）：了解大語言模型 - 普林斯頓大學
  • 對LLM的變革性領域進行了高級探索，討論了最先進的模型，其深刻的能力和相關挑戰，並著重於深入研究，道德考慮和動手項目經驗，適用於經驗豐富的項目經驗精通機器學習和深入NLP框架。

？ AI畫

？‍？藝術基礎和人工智能繪畫技術

• 講座系列：關於藝術基礎知識的一個有趣的話題-Niji Academy
  • Niji Academy將藝術基礎知識與AI融合，提高繪畫技巧並加快藝術學習的速度。

？穩定的擴散原則和應用

• 擴散模型的工作方式 - 深度學習
  • Sharon Zhou的中級課程“擴散模型如何工作”中的主體生成AI，您將從頭開始製作擴散模型，豐富了動手編碼和實驗室，非常適合精通Python，Tensorflow或Pytorch的人。
• 擁抱面部擴散模型課程
  • 擁抱面孔課程可深入了解擴散模型，並使用擴散器庫通過媒體發電，動手培訓和定制，並對Python進行基本了解，並深入學習最佳體驗。
• 編碼人員的實用深度學習第2部分：深度學習基礎，以穩定擴散-Fast.ai
  • 本課程對穩定的擴散算法進行了深入的探索，涵蓋了使用Pytorch的先進的深度學習技術和動手項目，從而增強了具有尖端擴散模型專業知識的學生。

？ AI音頻

• 擁抱面部音頻課程
  • 擁抱的面部音頻課程教導如何使用變形金剛進行各種音頻任務，從語音識別到文本產生語音，將理論與動手練習相結合，為熟悉深度學習的學習者提供動手練習。
• CS224S：口語處理 - 斯坦福大學
  • 關於口語技術的沉浸式課程，涵蓋對話系統，語音識別和綜合方面的深度學習以及使用現代工具（例如Pytorch，Alexa技能套件）和語音腦等現代工具，最終在學生驅動的研究或系統設計項目中達到頂峰。

？多模式

• CSCI-GA.3033-102特殊主題 - 用大語言和視覺模型學習
  • 研究生課程對大語言和視覺模型的影響，涵蓋多模式和生成的AI，並為學生做好準備進行AI研究。
• 多模式機器學習教程（ICML 2023） - 卡內基·梅隆大學
  • 本課程可深入了解多模式機器學習，從最新版本的調查文件和CMU的學術教義中汲取了見解，以應對其獨特的挑戰和未來的方向。
• 11-777：多模式機器學習（2022年秋季） - 卡內基·梅隆大學
  • 本課程深入研究了多模式的機器學習（MMML），涵蓋其數學基礎，最先進的概率模型以及關鍵挑戰，同時著重強調了最新的應用和技術，例如多模式變壓器和神經符號模型。
• 11-877：多模式機器學習的高級主題（2022年秋季） - 卡內基·梅隆大學
  • 本課程探討了多模式的機器學習（MMML），涵蓋了技術挑戰和最近的成就。它強調了批判性思維和未來的研究趨勢，每週更新，討論探查和研究亮點在課程網站上。

？深度學習

• 神經網絡/深度學習 - Statquest
  • 在這個非常流行的YouTube播放列表中，發現神經網絡的複雜性，無縫地融合了信息圖形與專家教義，吸引了無數的學生，從基礎到高級圖像分類，並使用卷積神經網絡。
• 神經網絡-3Blue1brown
  • 3Blue1brown通過生動的動畫和清晰的解釋揭示了神經網絡的魔力，深入研究了手寫的數字識別，梯度下降的細微差別以及背面背後的錯綜複雜的演算。
• 神經網絡：零對英雄-Andrej Karpathy
  • Andrej Karpathy的課程指導學生從基礎反向傳播到GPT等先進的神經網絡，強調語言模型是掌握深度學習的多功能門戶，並具有Python編程和基本數學的先決條件。
• 編碼人員實用的深度學習-Fast.ai
  • 編碼人員的實踐深度學習2022是一門免費課程，可利用Pytorch和Fastai等工具在各個領域內構建，培訓和部署深度學習模型，適用於具有編碼知識的人，而無需高級數學。
• 深度學習專業化-Andrew Ng
  • Andrew Ng的深度學習專業化是Coursera上最高的，自定進度的計劃，擁有超過100萬學習者，在AI中提供了清晰的模塊和實用技術，並得到了一個龐大的社區的支持，並將最新的機器學習中的最新機器學習分解為可理解的內容。
• 6.S191：深度學習概論 - 馬薩諸塞州技術研究所
  • 麻省理工學院對深度學習基礎知識的密集訓練營，涵蓋了從計算機視覺到生物學的應用，動手張力訓練練習和最終的項目競賽。需要基本的微積分和線性代數知識； Python經驗有益。
• CS25：變形金剛聯合V2-斯坦福大學
  • 在以專家講座，突破性討論以及領先的研究人員的見解為特色的研討會上，探索從NLP到生物學的深度學習中變形金剛在深度學習中的變革力量，旨在促進理解和跨管理創新。
• 深度學習講座系列2020年-DeepMind X倫敦大學學院
  • DeepMind介紹了一個關於深度學習的12個講座，從基礎主題到高級技術，涵蓋了從對象識別到負責任的AI創新的領域，所有這些領域都是由領先的研究專家提供的。
• 強化學習講座系列2021-倫敦大學X大學學院
  • DeepMind和UCL介紹了有關現代強化學習的全面13個講座，從基礎概念到高級深度RL技術，由專家研究人員Hado Van Hasselt，Diana Borsa和Matteo Hessel領導。

AI系統

• AI-SYS SP22機器學習系統 - 加利福尼亞大學伯克利分校
  • 通過講座，討論，討論和協作的動手項目，深入研究了前沿AI應用程序與支持它們的系統之間的共生關係，探索硬件，軟件和AI驅動的優化技術的進步。
• 深度學習系統：算法和實施-Tianqi Chen，Zico Kolter
  • 利用Python和C/C ++，通過構建完整的庫來探索深度學習系統的基礎，了解從模型設計到高效算法的每個層。
• CS 329：機器學習系統設計 - 斯坦福大學
  • 掌握設計強大，可擴展和可部署的機器學習系統的複雜性，專注於利益相關者，不斷發展的需求和整體系統設計，同時解決了隱私，公平和安全等關鍵問題。
• AI-Systems（LLM版）294-162-加利福尼亞大學，伯克利分校
  • 本課程深入研究了硬件/軟件進步和生成AI的聯繫，強調了這些創新如何推動AI模型的擴展和功能。
• 15-849：機器學習系統 - 卡內基·梅隆大學
  • 深入現代ML系統的體​​系結構，揭示了從高級模型設計到異質硬件的低級內核執行的旅程，同時揭示了下一代ML應用程序和平台的原理和挑戰。
• 計算機科學598D-系統與機器學習 - 普林斯頓大學
  • 通過剖析有關有效的ML硬件/軟件的最新研究，並將ML應用於系統設計，最終對研究生進行深入討論，從而探索系統和機器學習之間的協同作用。

？各種各樣的

星曆史

？友誼鏈接

• Waytoagi
  • Waytoagi.com是AIGC最全面的中國資源樞紐，引導用戶進行優化的學習旅程，以了解和利用AI的力量。
• CodeFuse-Chatbot
  • CodeFuse-Chatbot是一家開源AI Smart Assistan，旨在支持軟件開發生命週期，以對話訪問工具，知識和平台集成。
• CodeFuse DevOps評估
  • DevOps-eval是一個GitHub存儲庫，提供專門的套件，用於評估和改善DevOps領域的基礎模型，包括豐富的AIOPS練習。