12个入门课程，教你一切关于构建生成式人工智能应用程序的知识。
通过微软云倡导者的这一全面的12课程，学习构建生成式人工智能应用程序的基础知识。每个课程涵盖生成式人工智能原理和应用开发的一个关键方面。在本课程中，我们将建立自己的生成式人工智能初创公司，以便您能够了解推出您的想法所需的一切。
🌱 入门
要开始，请将整个存储库fork到您自己的GitHub帐户中，以便能够更改任何代码并完成挑战。您还可以star (🌟)此存储库，以便以后更容易找到。
下面是每个课程的链接。随意探索，并从您最感兴趣的课程开始！
访问课程设置页面以找到适合您的设置指南。
🗣️ 结识其他学习者，获得支持
我们相信学习的最佳方式之一是与他人一起学习！加入我们的官方AI Discord服务器，与其他正在参与这门课程的学习者会面并建立联系，并获得支持。谁知道呢？你可能会在那里找到下一个共同创始人！
🚀你是创业公司或者有想法想要推出吗？
访问微软创始人中心，您可以申请获得免费的OpenAI积分以及高达$150,000的Azure领先人工智能服务。
🙏 想要帮助吗？
以下是您可以为这门课程做出贡献的方式：
- 查找拼写错误或代码错误，请提出问题或创建拉取请求。
- 向我们发送您的想法，也许是关于新课程或练习的想法，并让我们知道如何改进。
- 翻译为您的语言，每章都有一个 translations 子目录，如果您想帮助这个项目，请创建以下结构：
Chapter NN/
translations
es/ <== 您的语言代码
README.md <== 您的翻译
📂 每个课程内容
- 简短的主题视频介绍
- README中的课程笔记
- 针对基于项目的课程，包含有代码示例的Juypter笔记本
- 应用您所学知识的挑战或作业
- 继续学习的额外资源链接
🗃️ 课程
| 课程链接 | 授课的概念 | 学习目标 | |
|---|---|---|---|
| 00 | 课程介绍-如何进行本课程 | 技术设置和课程结构 | 帮助您成功学习本课程 |
| 01 | 生成式人工智能和LLMs简介 | 概念：生成式人工智能以及我们如何在当前技术环境中取得这一成就 | 了解生成式人工智能是什么以及大型语言模型（LLMs）如何工作 |
| 02 | 探索和比较不同的LLMs | 概念：测试，迭代和比较不同的大型语言模型 | 选择适合您用例的正确模型 |
| 03 | 负责任地使用生成式人工智能 | 概念：理解基础模型的局限性和人工智能背后的风险 | 学习如何负责任地构建生成式人工智能应用程序 |
| 04 | 理解提示工程基础知识 | 代码/概念：Prompt工程最佳实践的实际应用 | 理解提示结构和使用 |
| 05 | 创建高级提示 | 代码/概念：通过应用不同的技术来扩展您的提示知识 | 应用改善提示结果的提示工程技术。 |
| 06 | 构建文本生成应用程序 | 代码：使用Azure OpenAI构建文本生成应用程序 | 了解如何有效使用令牌和温度来改变模型的输出 |
| 07 | 构建聊天应用程序 | 代码：高效构建和集成聊天应用程序的技巧 | 确定有效监控和维护以维持AI驱动的聊天应用程序的质量的关键指标和考虑因素 |
| 08 | 构建搜索应用程序向量数据库 | 代码：语义搜索与关键词搜索。什么是文本嵌入，它们如何应用于搜索 | 创建一个使用嵌入进行数据搜索的应用程序 |
| 09 | 构建图像生成应用程序 | 代码：图像生成及其在构建应用程序中的用途 | 构建一个图像生成应用程序 |
| 10 | 构建低代码人工智能应用程序 | 低代码：介绍Power Platform中的生成式人工智能 | 使用低代码为我们的教育初创公司构建学生作业追踪应用程序 |
| 11 | 与函数调用集成外部应用程序 | 代码：什么是函数调用及其应用程序的用途 | 设置函数调用以从外部API检索数据 |
| 12 | 设计面向人工智能应用程序的用户体验 | 概念：为信任和透明设计人工智能应用程序 | 在开发生成式人工智能应用程序时应用用户体验设计原则 |
| xx | 继续学习 | 每个课程的继续学习链接！ | 掌握生成式人工智能技能 |
🎒 其他课程
我们的团队制作了其他课程！查看:
本文由极客智坊网页翻译服务自动翻译完成：
原文地址：https://microsoft.github.io/generative-ai-for-beginners/#/
