English |中文版
Awesome AIGC 教程包含一系列精选的教程和资源，涵盖大型语言模型、AI 绘画和相关领域。探索适合初学者和高级人工智能爱好者的深入见解和知识。
- [2024-02-18] - 🌈 添加了新课程：CSCI-GA.3033-102 专题 -多模态中的大型语言和视觉模型学习。
- [2024-02-14] - 💬 新增课程：CS11-711 大语言模型中的高级自然语言处理。
- [2024-02-14] - 💬 在 AI System 中添加了新的研讨会：AI-Systems (LLM Edition) 294-162。
我们热烈欢迎大家的贡献，无论您是发现拼写错误、错误、有建议，还是想要分享与 AIGC 相关的资源。有关如何贡献的详细指南，请参阅我们的CONTRIBUTING.md文件。
- 人工智能为每个人 - 吴恩达
- 《适合所有人的人工智能》是一本了解人工智能实际应用、局限性及其社会影响的初学者指南，非常适合商业专业人士和领导者。
- 面向教师和学生的实用人工智能 - 沃顿商学院
- 沃顿互动的速成课程深入探讨了法学硕士的机制和影响，重点介绍了 OpenAI 的 ChatGPT4、微软的 Bing 创意模式和谷歌的 Bard 等模型。
- 人工智能初学者 - 微软
- 这个为期 12 周的 Microsoft 课程深入探讨 AI 方法，涵盖符号 AI 到神经网络，同时重点介绍 TensorFlow 和 PyTorch 框架，但忽略了业务应用程序、经典机器学习和某些特定于云的主题。
- 生成式 AI 学习路径 - Google Cloud
- 此学习路径提供了从大型语言模型基础知识到在 Google Cloud 上部署生成式 AI 解决方案的全面旅程。
- ChatGPT 为开发人员提供提示工程 - DeepLearning.AI
- 本课程由 OpenAI 和 DeepLearning.AI 共同教授，指导学习者利用大型语言模型完成摘要和文本转换等任务，并在 Jupyter Notebook 环境中获得实践经验。
- 使用 ChatGPT API 构建系统 - DeepLearning.AI
- 本课程由 OpenAI 和 DeepLearning.AI 的专家主导，教授使用语言模型实现工作流程自动化、创建提示链、集成 Python 和设计聊天机器人，所有这些都通过 Jupyter Notebook 的实践练习进行，只需要基本的 Python 知识。
- LangChain 用于法学硕士应用程序开发 - DeepLearning.AI
- 本课程在 LangChain 的创建者和 Andrew Ng 的指导下，深入探讨高级 LLM 技术，例如链操作和使用模型作为推理代理，使学习者能够利用基础 Python 知识快速构建强大的应用程序。
- LangChain：与您的数据对话 - DeepLearning.AI
- 使用 LangChain 深入研究基于文档内容的检索增强生成和聊天机器人创建，涵盖数据加载、拆分、嵌入、高级检索技术和交互式聊天机器人构建，专为热衷于利用大型语言模型的精通 Python 的开发人员而设计。
- ChatGPT 的即时工程 - 范德比尔特大学
- 通过掌握提示工程、从基本提示过渡到复杂提示、实现从编写到模拟的各种应用程序，释放大型语言模型（如 ChatGPT）的潜力，适合任何具有基本计算机技能的人。
- 快速工程指南 - DAIR.AI
- 本指南介绍了即时工程，这是一门优化与大型语言模型交互的学科，提供广泛的资源、研究和工具。
- 学习提示
- 深入研究适合初学者的生成式人工智能和即时工程指南，提供行业巨头的见解，并探索这些工具如何彻底改变内容创建和未来的工作。
- 浪链人工智能手册 - James Briggs 和 Francisco Ingham
- 探索浪链的变革世界，掌握核心组件，制作有效的提示，并利用先进的人工智能代理、对话记忆和定制工具来实现尖端应用。
- LLM 训练营 - 全栈
- 深入研究即时工程、法学硕士操作、语言界面的用户体验设计、增强语言模型技术、法学硕士基础见解、实践项目和法学硕士的未来，并辅以行业领导者关于培训和代理设计的专家演讲。
- 微调大型语言模型 - DeepLearning.AI
- 与 Sharon Zhou 一起学习微调大型语言模型 (LLM) 的技术，获得数据准备、训练和更新神经网络权重方面的专业知识，以改进针对您的数据定制的结果。
- CS25：变形金刚联合 V3 - 斯坦福大学
- 本课程深入探讨 Transformers 在深度学习中的变革性作用，特别是它们对 ChatGPT 和 GPT-4 等语言模型进步的影响。
- 了解现实应用程序的生成式 AI 基础知识 - AWS x DeepLearning.AI
- 本课程与 AWS 合作，提供对生成式 AI 和大型语言模型 (LLM) 的深入见解。参与者将从 AWS AI 专家那里学习 LLM 的机制、优化和实际应用。适合人工智能和机器学习领域的专业人士，完成后可获得 Coursera 证书。推荐基本的Python和机器学习知识。
- CS324 - 基础模型的进展 - 斯坦福大学
- CS 324 深入研究 GPT-3 和 DALL-E 等基础模型，涵盖其原理、系统、伦理和应用，并最终形成实践研究项目或应用程序设计。
- CS11-711 高级自然语言处理 - 卡内基梅隆大学
- CMU 的高级 NLP 课程探索用于理解和创新自然语言处理的现代神经方法。
- CS 601.471/671 NLP：自监督模型 - 约翰霍普金斯大学
- 本课程深入探索 NLP 的自监督学习技术，培训学生使用 PyTorch 设计和实现神经网络模型，重点关注各种语言模型架构。
- 11-667：大型语言模型方法和应用-卡内基梅隆大学
- 本研究生课程全面概述了大型语言模型 (LLM)，涵盖基础知识、新兴功能、应用程序、扩展技术、部署问题和未来挑战，为学生在人工智能时代的研究和应用做好准备。
- CS224N：深度学习自然语言处理 - 斯坦福大学
- 本课程全面介绍使用 PyTorch 进行 NLP 深度学习，强调端到端神经模型，消除对特定任务特征工程的需求，并让学生具备制定自己的神经网络解决方案的技能。
- TinyML 和高效深度学习计算 - 麻省理工学院
- 本课程探索在受限设备上进行深度学习的高效 AI 计算技术，涵盖模型压缩、剪枝、量化、架构搜索、分布式训练和量子机器学习，并在笔记本电脑上实际部署 LLaMA 2 等大型模型。
- 语音和语言处理 - Dan Jurafsky 和 James H. Martin
- 这部权威文本由该领域的顶尖专家撰写，深入探讨了现代自然语言处理和语音识别的算法和数学模型，并不断更新以反映 NLP 领域的快速进步。
- COS 597G（2022 年秋季）：理解大型语言模型 - 普林斯顿大学
- 对法学硕士变革领域的深入探索，讨论最先进的模型、其深厚的能力和相关挑战，重点是深入研究、道德考虑和实践项目经验，为经验丰富的人士量身定制精通机器学习和深度 NLP 框架的学生。
- 讲座系列：每周一个关于艺术基础的有趣话题 - Niji Academy
- Niji Academy 将艺术基础知识与人工智能相结合，提高绘画技能并加快艺术学习。
- 扩散模型如何工作 - DeepLearning.AI
- 在 Sharon Zhou 的中级课程“扩散模型如何工作”中掌握生成人工智能，您将从头开始制作扩散模型，并通过动手编码和实验室丰富内容，非常适合精通 Python、Tensorflow 或 Pytorch 的人。
- 拥抱脸部扩散模型课程
- Hugging Face 课程深入研究扩散模型，指导参与者使用 Diffusers 库进行媒体生成、实践培训和定制，并对 Python 和深度学习有基本的了解，这对于获得最佳体验至关重要。
- 程序员实用深度学习第 2 部分：稳定扩散的深度学习基础 - fast.ai
- 本课程深入探索稳定扩散算法，涵盖先进的深度学习技术和使用 PyTorch 的实践项目，使学生掌握尖端扩散模型的专业知识。
- 拥抱脸部音频课程
- Hugging Face 音频课程教授如何使用 Transformer 执行各种音频任务，从语音识别到从文本生成语音，为熟悉深度学习的学习者提供理论与实践练习相结合的方法。
- 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、语音识别和合成中的深度学习，以及使用 PyTorch、Alexa Skills Kit 和 SpeechBrain 等现代工具的实践项目，最终形成学生驱动的研究或系统设计项目。
- CSCI-GA.3033-102 专题 - 使用大型语言和视觉模型进行学习
- 关于大型语言和视觉模型的影响的研究生课程，涵盖多模式和生成人工智能，并为学生进行人工智能研究做好准备。
- 多模态机器学习教程 (ICML 2023) - 卡内基梅隆大学
- 本课程深入探讨多模态机器学习，从最新版本的调查论文和卡内基梅隆大学的学术教学中汲取见解，解决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
- 本课程深入研究多模态机器学习 (MMML)，涵盖其数学基础、最先进的概率模型和关键挑战，同时重点介绍多模态转换器和神经符号模型等最新应用和技术。
- 11-877：多模式机器学习高级主题（2022 年秋季）- 卡内基梅隆大学
- 本课程探讨多模态机器学习 (MMML)，涵盖技术挑战和最新成就。它强调批判性思维和未来研究趋势，课程网站上每周更新、讨论探讨和研究亮点。
- 神经网络/深度学习 - StatQuest
- 在这个非常受欢迎的 YouTube 播放列表中探索神经网络的复杂性，将信息丰富的图形与专家教学无缝地融合在一起，吸引了无数学生从基础知识到使用卷积神经网络进行高级图像分类。
- 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，深入探讨了手写数字识别、梯度下降的细微差别以及反向传播背后的复杂微积分。
- 神经网络：从零到英雄 - Andrej Karpathy
- Andrej Karpathy 的课程引导学生从基础反向传播到 GPT 等高级神经网络，强调语言模型是掌握深度学习的多功能门户，前提条件是 Python 编程和基础数学。
- 程序员实用深度学习 - fast.ai
- Practical Deep Learning for Coders 2022 是一门免费课程，提供使用 PyTorch 和 fastai 等工具在各个领域构建、训练和部署深度学习模型的实践经验，适合具有编码知识且无需高等数学的人员。
- 深度学习专业化 - Andrew Ng
- Andrew Ng 的深度学习专业课程是 Coursera 上评价最高的自定进度课程，拥有超过 100 万学习者，提供清晰的 AI 模块和实用技术，得到庞大社区的支持，并将最新的机器学习分解为易于理解的内容。
- 6.S191：深度学习简介-麻省理工学院
- 麻省理工学院深度学习基础强化训练营，涵盖从计算机视觉到生物学的应用，并提供 TensorFlow 实践和最终的项目竞赛。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 V2 - 斯坦福大学
- 在研讨会上探索 Transformer 在从 NLP 到生物学等不同领域的深度学习中的变革力量，研讨会以专家讲座、突破性讨论和领先研究人员的见解为特色，旨在促进理解和跨协作创新。
- 深度学习系列讲座 2020 - DeepMind x 伦敦大学学院
- DeepMind 推出了 12 个深度学习系列讲座，从基础主题到高级技术，涵盖从对象识别到负责任的人工智能创新等领域，所有讲座均由领先的研究专家讲授。
- 强化学习系列讲座 2021 - DeepMind x 伦敦大学学院
- DeepMind 和伦敦大学学院 (UCL) 推出了由 13 个内容组成的关于现代强化学习的综合讲座系列，涵盖从基础概念到高级深度强化学习技术，由专家研究人员哈多·范·哈塞尔特 (Hado van Hasselt)、戴安娜·博尔萨 (Diana Borsa) 和 Matteo Hessel 领导。
- AI-Sys-Sp22 机器学习系统 - 加州大学伯克利分校
- 通过讲座、讨论和协作实践项目，深入研究尖端人工智能应用程序与支持它们的系统之间的共生关系，探索硬件、软件和人工智能驱动的优化技术的进步。
- 深度学习系统：算法与实现 - Tianqi Chen、Zico Kolter
- 通过构建完整的库、了解从模型设计到高效算法的每一层、利用 Python 和 C/C++ 来探索深度学习系统的基础。
- CS 329S：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，关注利益相关者、不断变化的需求和整体系统设计，同时解决隐私、公平和安全等关键问题。
- 人工智能系统（法学硕士版）294-162 - 加州大学伯克利分校
- 本课程深入探讨硬件/软件进步和生成式人工智能的关系，强调这些创新如何推动人工智能模型的扩展和功能。
- 15-849：机器学习系统-卡内基梅隆大学
- 深入研究现代机器学习系统的架构，揭示从高级模型设计到异构硬件上低级内核执行的过程，同时揭示下一代机器学习应用程序和平台的原理和挑战。
- 计算机科学 598D - 系统和机器学习 - 普林斯顿大学
- 通过剖析有关高效 ML 硬件/软件的最新研究并将 ML 应用到系统设计中，探索系统和机器学习之间的协同作用，最终为研究生提供实践项目和深入讨论。
- 通用人工智能之路
- WaytoAGI.com 是 AIGC 最全面的中文资源中心，引导用户进行优化的学习之旅，以了解和利用人工智能的力量。
- Codefuse-ChatBot
- Codefuse-ChatBot 是一款开源 AI 智能助手，旨在通过对话式访问工具、知识和平台集成来支持软件开发生命周期。
- Codefuse DevOps 评估
- DevOps-Eval 是一个 GitHub 存储库，提供专门的套件，用于评估和改进 DevOps 领域的基础模型，包括一组丰富的 AIOps 练习。