從零開始建立人工智慧：微軟生成式人工智慧課程

今年，生成式人工智慧從小眾好奇心轉向了基礎技能。為此，微軟發布了 適合初學者的生成式人工智慧是 Microsoft Cloud Advocates 製作的免費線上課程，共 18 堂課。課程以影片、書面指南和程式碼範例為框架，引導學習者從基礎知識開始，逐步學習負責任的人工智慧、快速工程、代理、RAG 和微調。課程內容精簡實用，沒有多餘的內容——很少有 MOOC 能如此清晰地涵蓋如此廣泛的內容。

課程內容：十八個課程，切合實際需求

課程涵蓋 18 節課，分為包含核心概念的「學習」模組和包含 Python 或 TypeScript 程式碼的「建置」模組，每節課都以「繼續學習」軌道結束。 內容包括影片、書面自述文件、程式碼筆記本和額外資源。

課程主題包括：

• 生成式人工智慧與法學碩士簡介；
• 探索和比較不同的法學碩士；
• 負責任地使用生成式人工智慧；
• 快速工程（基礎和高級）；
• 建立文字、聊天、圖像生成應用程式；
• 使用向量資料庫搜尋；
• 低程式碼AI應用程式（Power Platform，Copilot）；
• 與函數呼叫整合；
• 人工智慧應用程式的使用者體驗設計；
• 應用程式生命週期，LLMOps；
• 確保人工智慧應用的安全；
• 檢索增強生成 (RAG) 和向量資料庫；
• 開源模型和Hugging Face；
• 人工智慧代理；
• 微調法學碩士；

許多課程都配有影片。例如，第 1 部分介紹 LLM 的內部運作原理和實際用例；第 2 部分介紹模型比較和部署；第 17 部分深入探討 AI 代理：它們是什麼、框架以及實際應用環境。

為什麼微軟希望開發人員學習生成式人工智慧

人工智慧素養正朝著技術領域的基準期望邁進。 微軟的 發布似乎具有戰略意義：教育新人，同時將他們融入微軟的生態系統——天藍, 副駕駛, OpenAI 合作夥伴關係.

教育科技的成長反映了全球需求： HolonIQ 項目 到400年，全球教育科技支出可能超過XNUMX億美元，其中數位技能是主要驅動力。微軟的努力看起來不那麼利他，而更注重生態系的強化。教導開發人員使用Azure或 OpenAI 通過 微軟學習 在其工具中創建自然的管道。

Google NVIDIA 也提供人工智慧指南——谷歌的 “人工智慧適用於任何人” 路徑；NVIDIA 的 深度學習研究所. 不過，微軟的內容將學習與 Azure 和實踐專案緊密結合起來，而不僅僅是理論。

實際回報：開發人員從微軟的「初學者生成式人工智慧」課程中獲得技能

學員將掌握 18 堂課中概述的具體技能：

• 建立原型，例如聊天機器人、基本 LLM 應用程式或圖像工具；
• 將向量搜尋和 RAG 整合到應用程式中；
• 使用函數呼叫將 LLM 與外部系統連接起來；
• 使用 Power Platform 和 Copilot 部署低程式碼應用程式
• 設計安全、生命週期感知的 AI 解決方案。

這些是初學者生成式人工智慧課程的直接成果，並由官方模組支持 GitHub上 微軟學習.

微軟如何將學習融入其生態系統

除了課程之外，微軟還鼓勵學習者透過其更廣泛的生態系統來擴展專案。例如， 微軟初創公司創始人中心 提供高達 150,000 美元的 Azure 積分和 2,500 美元的 OpenAI 學分（節目詳情)。雖然這些激勵措施不是課程本身的一部分，但它們為從教育到微軟堆疊內的原型設計和擴展開闢了一條道路。

市場背景

更廣泛的開發者社群進一步強調了這些技能的相關性。 GitHub 的 Octoverse 2024 報告 標有生成式人工智慧的公共程式碼庫年增 98%，全球專案數量接近 150,000 萬個。這一增長表明，生成式人工智慧已迅速從實驗階段邁入主流開發者活動。

來自現場的聲音：學習者的反應與背景

認真的建設者想要的不僅僅是口號。他們想要的是能夠教導他們交付可運行系統的課程，以及一個與現代模型實際行為相符的框架。如今，最有用的訊號來自於那些身處技術棧內部並在公開場合發布具體指導的實踐者。

• Coursera共同創辦人、DeepLearning.AI創辦人吳恩達（Andrew Ng）。 專注於應用的、以專案為中心的學習，超越理論進入代理工作流程和執行。
  https://x.com/AndrewYNg/status/1882125891821822398
• Andrej Karpathy，人工智慧研究員，前特斯拉和 OpenAI 工程師。 推動重新思考教育材料如何編碼知識，以便法學碩士 (LLM) 母語的推理和互動模式處於核心，而不是邊緣。 https://x.com/karpathy/status/1885026028428681698

這些立場共同描繪出一條清晰的需求曲線：以即時實用為目的的動手實踐，以及對人工智慧素養教學方式的更深入的重塑。這種結合為任何聲稱旨在培養從業者勝任實際產品工作的課程設定了基準。

人工智慧教育競爭格局

微軟框架 適合初學者的生成式人工智慧 作為學習軌道和進入其生態系統的切入點，但更廣泛的人工智慧教育領域已經多樣化。

赫爾辛基大學 連同 MinnaLearn 創建了「人工智慧元素」免費課程，該課程已涵蓋170個國家/地區，涵蓋26種語言，涵蓋人數超過XNUMX萬。本課程著重於公民素養和易於理解的基礎知識，而非特定於平台的技能。

fast.ai 由 Jeremy Howard 和 Rachel Thomas 創立，於 2016 年推出 面向程序員的實用深度學習 系列。它強調編碼、實驗和獲得現代模型訓練，而無需機構支援。

Coursera 聯合創始人 Andrew Ng | 透過發布機器學習和深度學習課程，他塑造了線上人工智慧教育，吸引了全球數百萬學習者。他的工作證明了大規模大學式課程的持久力。

微軟將其課程定位為與其基礎設施相關的應用方向。 《人工智慧元素》專注於可訪問性，fast.ai 追求編碼深度，Coursera 則持續擴展學術框架。它們共同 defi在這種環境下，人工智慧教育已經變得十分普及，並且具有戰略意義。

從學習到建構：生成式人工智慧教育的未來之路

《初學者生成式人工智慧》將培訓定位為基礎架構。它引導學習者 defi工具、工作流程和職業融合的生態系統。微軟壓縮了路徑：基礎架構、負責任的人工智慧、快速設計、檢索、代理，然後是 Azure 內部的完整工作流程，以及 OpenAI其結果是從理論到原型的直接聯繫。替代方案揭示了其他邏輯。人工智慧元素開啟了大規模應用，fast.ai 訓練了程式設計規範，Coursera 連結了學術界和全球需求。 

每種方法都體現了相同的基線：AI 的流暢性不再是可有可無的。差別在於通路。企業專案加速技能發展，同時將其與平台綁定。獨立軌道保持中立，但又與整合堆疊保持分離。這項決定決定了下一代從業者的學習方式，以及由誰來制定他們的實踐規則。