跳转至

案例实践⚓︎

以“做中学“的理念为核心,从人工智能真实的应用场景与案例出发,先讲生动的案例,配合详实的实际操作说明,然后在动手实现场景的基础上,逐步引入人工智能学习中的相关理论知识,以递进学习的新颖方式层层剖析人工智能开发的主流场景,让大家在不需要大量时间学习庞大的理论基础的情况下,也可以真正动手开始进行人工智能应用的开发,提高实际动手的能力.

1 初级实战案例

  • 适用人群:AI小白,想简单认识AI,简单了解人工智能应用开发过程,或者想快速利用成熟的人工智能API给自己开发的应用添加人工智能元素。非计算机专业的学生也可以适用。
  • 内容:基础人工智能案例资源,覆盖计算机视觉,自然语言处理,语音识别等领域。
  • 先修知识:了解C#基本语法。点击这里查看参考资料
  • 学习时长:10~16 小时
  • 学习目标:认识AI,初步了解AI应用开发过程,通过人工智能API使用已有模型,开发人工智能应用。

初级实战案例学习路径参考

序号 内容 知识点 备注
1 数学基础 代数基础,微积分基础,线性代数基础,概率统计基础 可选
2 Python语言导论 编程环境介绍,变量和数据类型,函数和库,Numpy,绘图 可选
3 计算机视觉初级案例-漫画翻译 数据预处理,小型客户端软件的界面设计与实现,商业应用软件的架构设计,REST API ,OCR应用开发 必选
4 计算机视觉初级案例-看图识熊 数据标记,数据预处理,离线模型推理应用,基于定制化视觉服务的应用开发 必选
5 自然语言理解初级案例-问答机器人 微软认知服务中知识库服务(QnA maker)的申请与搭建;使用REST API访问知识库数据;机器人服务(Bot Service)的申请与搭建;集体成知识库服务与机器人服务 必选
6 自然语言理解初级案例-智能家居 数据标记;数据预处理;在线定制语言理解服务;智能家居应用开发 必选
7 语音识别初级案例-智能听书 TTS API的申请和使用;TTS应用的构建;智能听书功能实现 必选
8 扩展阅读-搭建中间服务层 商业应用软件的架构设计 可选

本部分内容也可以结合 神经网络初探 的理论知识完成理论加实践的AI入门学习

2 中级实战案例

  • 适用人群:具有人工智能一定理论基础/编程经验的的学生、程序员。有一定的AI 入门知识,想进一步理解AI,并真正可以动手开发人工智能应用。
  • 内容:基础人工智能案例资源,覆盖计算机视觉,自然语言处理,语音识别等领域。
  • 先修知识:Python;CNN;RNN;主流深度学习框架点击这里查看参考资料
  • 学习时长:20~30小时
  • 学习目标:理解AI,学会基于常用工具、主流Framework 搭建AI模型,开发人工智能应用。

中级实战案例学习路径参考

序号 内容 知识点 备注
1 计算机视觉中级案例-手写算式计算器 TensorFlow模型到 .Net Framework应用环境的快速集成;基于本地MNIST模型的手写数字识别应用开发 必选
2 自然语言理解中级案例-智能对联 数据预处理;机器翻译编码-解码过程剖析;模型训练与调参;模型推理;在线服务的搭建;基于微信的AI小程序开发) 必选
3 游戏AI/强化学习中级案例-黄金点 游戏AI策略;多个游戏AI比赛的实现 可选
4 中级案例-预测股票走势 量化交易的经典过程;股价预测的建模理念;特征工程的一般方法;梯度提升决策树模块(lightbgm)的使用方法;深度学习神经网络框架(Keras)的使用  必选
5 扩展阅读-机器学习平台建设 机器学习平台的架构;机器学习平台的功能;微软开源机器学习平台OpenPAI 可选

本部分内容也可以结合 神经网络进阶 以及 深度网络基础 的理论知识完成理论加实践的AI进阶学习

3 高级实战案例 - 适用人群:已经深刻理解AI原理,想通过学习或者共建微软亚洲研究院的开源案例/项目,进行AI领域前沿性研究。 - 内容:微软亚洲研究院前沿性研究的开源项目/案例。 - 学习目标:进行AI领域前沿性研究。

高级实战案例学习路径参考

序号 内容 知识点
1 高级实战案例-基于深度学习的代码搜索案例 理解自然语言并按要求产生可用的代码
2 高级实战项目-NNI (Neural Network Intelligence) 微软开源的自动机器学习工具;调参器算法的实现,评估器算法的实现
3 高级实战项目-Open Platform for AI (OpenPAI) 微软开源GPU管理利器
4 高级实战项目-LightGBM boosting框架
5 高级实战项目-基于近邻图的向量搜索案例 在大规模向量中快速搜索最近邻
6 高级实战案例-中文文本蕴含深度学习模型 数据预处理; 微软开源NLP深度学习建模工具包Neuronblocks
7 高级实战案例-基于LightGBM的时间序列预测