李宏毅2024生成式人工智能导论 中文镜像版指导与作业

已于 2024-11-17 15:34:53 修改
阅读量1.4k 收藏 12
点赞数 11
分类专栏： 生成式人工智能导论 2024 AIGC 文章标签： 人工智能 AIGC
于 2024-09-20 10:09:30 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42426841/article/details/142362711
版权

这里是李宏毅老师2024年生成式人工智能导论的大陆镜像版。

我替换了作业中需要🪜才能获取的API，并：

  • 将其中的行为使用 OpenAI 库进行替换
  • 使用 ipywidgets 模拟 Colab 的交互
  • 以中文进行作业引导

现在，你可以在不翻墙的情况下完成课程的所有作业。
所有文件：Github。
中文镜像版的制作与分享已经获得李宏毅老师的授权，感谢老师课程的无私分享！

快速访问

生成式人工智能导论 - 课程主页

官方 | 授权视频: YouTube | Bilibili

P.S. 中文镜像将完全实现作业代码的所有功能（本地运行），Kaggle 是国内可直连的在线平台（阅读配置文章），中文 Colab 和 Kaggle 内容一致，英文 Colab 链接对应于原作业，选择其中一个完成学习即可。

【李宏毅-生成式 AI】Spring 2024, HW5：LLM Fine-tuning 实验记录
VLyb
06-10 1598
李宏毅生成式 AI 课程的 Lab Homework 5 实验的笔记
机器学习 HW1相关 李宏毅教程
e_eps的博客
03-15 658
    HW1主要是使用liner model 进行pm2.5的预测    作业连接：https://ntumlta.github.io/2017fall-ml-hw1/    由于部分ppf被强，所以这里加上一个百度网盘连接：       https://pan.baidu.com/s/1Ff-3zdzqMEi1W2qUf3Agdg   密码 ooqn    内容是这个作业的相关内容    作业...
《生成式 AI》课程 作业6 大语言模型（LLM）的训练微调 Fine Tuning -- part1
chenchihwen的专栏
11-23 1335
Introduction to Generative AI 2024 Spring该文档主要介绍了国立台湾大学（NTU）2024 年春季 “生成式人工智能（GenAI）” 课程的作业 5（GenAI HW5）相关内容，包括任务概述、待办事项、解码参数、提交与评分、参考资料和附录等部分，具体如下：根据作业的规范要求，这是TA 助教提供的代码连接 需要魔法 google 账号 colab 账号执行GenAI_hw5_LLM_finetuning.ipynbhttps://colab.research.googl
生成式AI导论2024-李宏毅
Everyday try to become better -Kobe Bryant
05-26 852
当你用类神经网络（模型）来表达这上万个参数的时候，你做的事情就是深度学习。生成式人工智慧是什么？生成式AI的入门课程。
李宏毅机器学习视频以及github
独行侠的守望の博客
06-25 550
李宏毅机器学习 开源地址 https://github.com/datawhalechina/leeml-notes 配套视频 https://www.bilibili.com/video/av59538266
李宏毅 机器学习 课程作业代码
08-17
李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码
李宏毅【生成式AI导论 2024】第1讲：生成式AI是什么？
拥抱变化，探索AI，了解AI，使用AI～
03-24 1206
人工智慧可以说是一个目标，是一个我们想要达到的目标。它不是一个单一的技术，并没有哪一个技术叫做人工智慧，人工智慧是一个目标。
【研0深度学习】李宏毅2024春《生成式人工智能导论》持续更新...
m0_52427832的博客
05-28 1593
生成式人工智慧的目的不是进行做有结果的分类，而是使机器生成复杂有结构的物件。今天的生成式人工智慧多以深度学习构成。以现如今流通最广泛的ChatGPT为例，GPT可以看作一个函数，输入图片、语音或者文字等，“创造性”地输出结果。这里的“创造性”的实现是将问题拆解成一连串的文字进行接龙，转化为分类问题。对于每个结果都有概率，在这个概率的基础上掷骰子，进行输出。如下图所示有百分之五十的概率输出“学”字。那么问题来了，如果每次输出概率最大的不行吗？
《2024生成式AI赋能教育未来》白皮书
06-30
白皮书指出，生成式AI与教学活动的结合，即是围绕教学目标展开，通过对课程内容、教学方法和教学环境三大要素的技术赋能和升级改造，提升教学活动中主体之间的互动效率，创造更有价值的教学成果。 对此，白皮书总结...
李宏毅【生成式AI导论 2024】第6讲 大型语言模型修炼_第一阶段_ 自我学习累积实力
拥抱变化，探索AI，了解AI，使用AI～
03-25 2072
背景知识：机器怎么学会做文字接龙 详见：https://blog.csdn.net/qq_26557761/article/details/136986922?spm=1001.2014.3001.5501 在语言模型的修炼中，我们需要训练资料来找出数十亿个未知参数，这个过程叫做训练或学习。找到参数后，我们可以使用函数来进行文字接龙，拿这组参数来使用叫做测试或者是叫做推论。 语言模型学习的三个阶段虽然训练资料不同，但都是在学习文字接龙，所有阶段做的事情是一样的。 机器学习中找参数的挑战 在机器学习中，寻找
李宏毅【生成式AI导论 2024】第7讲：大型语言模型修练史 — 第二阶段: 名师指点，发挥潜力 (兼谈对 ChatGPT 做逆向工程与 LLaMA 时代的开始)
拥抱变化，探索AI，了解AI，使用AI～
03-30 1250
如果只有指令微调… 人类老师需要给语言模型准备的教材是长这个样子的。要先想出人类可能会去问语言模型的问题，为每一个问题想一个正确的答案。有问题有答案之后，就可以把这些资料转成语言模型，可以拿来做训练文字接龙的格式。这种使用人类老师准备的资料来学习的过程，叫做instruction的fine tune。 这个instruction的意思是，人类老师提供了一些指令，机器会学习如何按照这些指令做出正确的回应。这些训练资料需要耗费大量人力才能获取，这种耗费大量人力产生资料的方式叫做资料标注。通过这种资料标注的方式
李宏毅学习笔记——2024春《GENERATIVE AI》篇（已完结）
a131529的博客
11-22 6107
李宏毅学习笔记——2024春《GENERATIVE AI》篇
李宏毅机器学习（2021）学习笔记 02
hldgs的博客
11-30 826
李宏毅《机器学习2021》学习笔记02
李宏毅2024新课来了！
啥都生的博客
02-26 1377
2024年《机器学习》课程停止开设，可能2025年再继续。而今年计划开设《生成式人工智能导论》和《生成式人工智能技术》(暂定)2023年是人工智能技术与应用变革的一年，随着技术的推进，学校应该要有不一样的课程。过去，我每年都会修改原有的《机器学习》课程，使其可以日新月异，与前瞻的技术接轨，但2023年的变革之大，我想干脆开一门新的课目前《生成式人工智能导论》已经开始更新B站也将保持视频的同步更新（李老师支持其公开课的传播）==>点我观看课程。
2023春季李宏毅机器学习笔记 02 ：机器学习基本概念
女王の专属领地
01-02 1402
课程主页：https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.php Github：https://github.com/Fafa-DL/Lhy_Machine_Learning B站课程：https://space.bilibili.com/253734135/channel/collectiondetail?sid=2014800
Github火爆出圈，大神李宏毅出新书了！
深度学习技术前沿
08-30 857
文末赠书GitHub上持续火爆的《LeeDL-Tutorial》项目，一发布就迅速获得了11.4K的星星！这个项目基于李宏毅老师“机器学习”课程，课程全网超过百万播放量，如今Datawhale新书《深度学习详解》终于出版了，新书得到了李宏毅、杨小康、周明、叶杰平、邱锡鹏 5位人工智能领域大咖的推荐！“很高兴看到团队根据我的在线讲座不断改进材料！尽管从未见过他们本人，但他们的奉献精神确实给我留下了深...
【机器学习】李宏毅 - 03 神经网络优化
wyw970624的博客
10-14 904
神经网络训练优化 - critical point 局部最小值；local minima；鞍点；saddle point；海塞矩阵；Hessian matrix；批次；Small Batch vs Large Batch；动量；梯度下降
全球名校AI课程库（43）| 李宏毅 · 机器学习(&深度学习)课程『Machine Learning』
热门推荐
ShowMeAI研究中心
11-04 1万+
台大李宏毅老师的机器学习，是国语授课中最受欢迎的AI课程之一。课程内容具备很好的前沿度，覆盖了机器学习与深度学习基础知识与研究界关心的新进展。
李宏毅2023春季机器学习笔记 - 01生成AI（ChatGPT）
linyuxi_loretta的博客
03-13 5822
预设的知识储备要求：数学（微积分、线性代数、机率）；编程能力（读写python）这门课专注在 深度学习领域deep learning，事实上深度学习在今天的整个机器学习（ML）的领域使用非常广泛，可以说是最受重视的一项ML技术。这门课可以作为你的机器学习的第一堂课，修完后可以更深入的把这个技术，用在你未来感兴趣的领域。课程录像和作业：如果 只凭google colab可以取得及格的成绩，基本上如果有越多的运算资源，越有机会在这门课取得比较好的成绩。
李宏毅 生成式AI导论
最新发布
01-24
### 李宏毅生成式AI导论课程资料概述 #### 课程简介 李宏毅教授的《生成式AI导论》是一门深入浅出介绍生成式人工智能理论和技术的课程。该课程不仅涵盖了生成式AI的基础概念和发展历程，还探讨了当前最前沿的研究成果及其实际应用场景[^1]。 #### 主要内容概览 - **第0讲：课程说明** - 对整个系列讲座的内容框架进行了详细介绍。 - **第1讲：生成式AI是什么？** - 解释了生成式AI的核心定义以及其与其他类型的人工智能的区别所在。 - **第二讲：今日的生成式人工智慧厲害在哪裡？從「工具」變為「工具人」** - 探讨现代生成式AI的强大之处，并分析这些进步如何使机器不仅仅作为辅助工具存在，而是能够承担更多自主任务的角色转变过程。 - **第三讲：训练不了人工智能？你可以训练你自己（上）** - 讨论个人技能提升的重要性，特别是在面对复杂多变的技术环境时自我调整和适应的方法论建议。 #### 结构化学习与生成式学习的关系 在过去，“结构化学习”指的是让计算机学会处理具有特定格式的数据；而如今所说的“生成式学习”，则是指通过大量无标注数据来构建可以创造新样本或模拟真实世界现象的概率分布模型。尽管两者名称不同，但在某些方面确实存在着一定的联系——它们都涉及到模式识别、特征提取等关键技术环节。然而值得注意的是，在具体实现方式和技术细节层面二者之间差异巨大，尤其是在近十年间随着深度学习算法的发展，后者取得了前所未有的突破性进展[^2]。 #### 获取资源途径 为了方便国内学生获取最新版本的教学材料，《李宏毅2024生成式人工智能导论》提供了中文镜像版指导文档及配套练习题库，所有相关内容均已托管至GitHub平台供免费下载使用。这一举措得到了原作者正式授权许可，体现了教育工作者对于知识传播开放共享精神的支持态度[^3]。 ```bash git clone https://github.com/user/repo.git cd repo ``` 上述命令可以帮助用户轻松克隆仓库并浏览其中包含的各种教学素材。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Hoper.J

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值