自媒体火起来后，很多科技大佬都开始写博客，录视频了，大佬一入行，整个行业卷上天，像我这样的也只能走资源整合之路了，不过这样也好，科技进步，人类发展需要他们。

除了个人，科技公司也没闲着，吃饱喝足后也开始在教育方面秀肌肉，露大腿，不过你可别以为他们是在做慈善，这不过是吸引用户的一种手段罢了。

有了它们，我的资源整合的路也被堵死了。

微软作为行业领袖，肯定不会错过凑热闹的机会，出手也确实大方，一连推出四门AI相关的课程，都面向初学者，没少费心思。

• Data-Science-For-Beginners
• ML-For-Beginners
• AI-For-Beginners
• generative-ai-for-beginners

这四门课程建议按照先后顺序学习。

课程中会推荐自家的云平台，AI芯片，AI产品，甚至鼓动你弄个全息眼镜玩玩，不过也别在意，他家的东西还是可以的。

Data-Science-For-Beginners
课程地址：
https://microsoft.github.io/Data-Science-For-Beginners/#/

数据科学就是用科学的方法处理数据，用我自己的话说就是从一堆庞大的数据中去发掘有用的信息，建立预测模型，对未来的数据进行预测。

方法也有很多，可以基于最简单的统计学方法，例如，计算均值，方差，相关矩阵等统计信息；或者更加直观的数据可视化。

不过随着数据规模的增加，简单的统计方法无法识别内在复杂的模式，而机器学习，深度学习在这方面的能力显然更加强大。
课程内容：

ML-For-Beginners
课程地址：
https://microsoft.github.io/ML-For-Beginners/#/

机器学习其实是数据科学的一个应用领域。当你在数据科学这门课中有了基础后，那就可以使用机器学习了，这里指的是不包括深度学习的传统机器学习方法。

机器学习模型可以完成更具体的任务，例如，分类，回归，聚类等。

数据科学中的一些方法仍然是机器学习中所必需的，例如，数据获取，数据清洗，数据预处理，模型选择等等。
课程大纲：

AI-For-Beginners
课程地址：
https://microsoft.github.io/AI-For-Beginners/

这门课的名字我建议改成deeplearning-for-beginners,因为它讲的都是前馈神经网络，卷积神经网络，循环神经网络。

当你学完传统机器学习后，你发现它比一些统计方法要好很多，但你仍然要面临一些问题：

例如，线性回归中自变量的个数是多少？使用线性函数还是非线性函数？逻辑回归中决策边界是线性的还是非线性的？聚类中心个数是多少？决策树的深度是多少？随机森林的决策树个数是多少？集成学习模型的弱学习器个数是多少？

机器学习模型也不止一个，该选哪个？图像分类时，你也需要先手动提取特征，然后输入到机器学习模型中。

以上这些问题都依赖人的经验。

这些问题在深度学习中就好很多，虽然也会涉及该选哪个网络？模型的层数是多少的抉择，但就深度学习能自动提取特征这一条，就值得一用。

正常情况下，深度学习模型的拟合能力要远大于机器学习模型。
课程内容：

generative-ai-for-beginners
课程地址：
https://microsoft.github.io/generative-ai-for-beginners/#/

以GPT为首的生成式AI火遍全世界后，很多科技博主和公司都迅速推出相关课程，都想尽最大可能展示自己在这方面的能力，生怕来晚了抢不到蛋糕。
GPT，Bert，LLama，Claud背后的模型就是Tranformer，也就是AI-For-Beginners中NLP章节所讲的内容。

但在将文本语音输入到模型之前，还有一段路要走，例如，Tokenlize，Embedding等操作，这个课程都会涉及到。

你是否会惊叹语言模型是怎么能够理解人的意图的？能总结又能聊天，我觉得就是大力出奇迹，几百亿的参数拟合能力超乎想象。

本课程还会涉及提示词工程，模型微调等。

课程内容：

参考资料：

[1]https://github.com/microsoft/Data-Science-For-Beginners
[2]https://microsoft.github.io/Data-Science-For-Beginners/#/
[3]https://github.com/microsoft/ML-For-Beginners
[4]https://microsoft.github.io/ML-For-Beginners/#/
[5]https://github.com/microsoft/AI-For-Beginners
[6]https://microsoft.github.io/AI-For-Beginners/
[7]https://github.com/microsoft/generative-ai-for-beginners
[8]https://microsoft.github.io/generative-ai-for-beginners/#/