Generative AI for Beginners 是微软 Cloud Advocates 团队推出的十二章生成式AI入门的系列课程，介绍了构建生成式 AI 应用程序的基础知识。每章都涵盖了生成式人工智能原理和应用程序开发的一个关键知识点，提供导学视频、书面材料、代码示例和进阶的学习资源推荐。通过整个课程的学习，你将拥有建立自己的生成式人工智能产品和工具的能力，实现应用AIGC技术的想法。
Generative AI for Beginners新增了9集生成式AI的专题视频教程，深入探讨包括大型语言模型（LLM）的原理、高效的提示工程技术、及图像生成等关键实战技能，旨在全面提升学习者在生成式AI领域的专业技能和实际操作能力。
Generative AI for Beginners的课程目录
| 课程章节 | 相关教学内容 | 学习目标 |
|---|
| 00 | 课程介绍和学习环境设置 | 学习环境配置和课程结构 | 在学习本课程的同时帮助您取得成功 |
| 01 | 生成式人工智能和 LLMs 介绍 | 知识点: 生成式人工智能以及我们如何适应当前的技术格局 | 了解什么是生成式人工智能以及LLMs的工作原理 |
| 02 | 探索和比较不同的 LLMs | 知识点: 测试、迭代和比较不同的LLMs模型 | 为您的应用场景选择正确的模型 |
| 03 | 负责任地使用生成式人工智能 | 知识点: 了解基础模型的局限性和人工智能背后的风险 | 了解如何负责任地构建生成式人工智能应用程序 |
| 04 | 提示工程基础 | 代码/知识点: 提示工程最佳实践 | 了解提示结构和用法 |
| 05 | 创建高级的提示工程技巧 | 代码/知识点: 通过在提示中应用不同的技术来扩展您的提示工程知识 | 应用提示工程技术来改善提示结果 |
| 06 | 创建文本生成应用 | 代码: 使用Azure OpenAI构建文本生成应用程序 | 了解如何有效地使用令牌和温度来改变模型的输出 |
| 07 | 创建聊天应用 | 代码: 有效构建和集成聊天应用程序的技术 | 确定关键指标和注意事项，以有效监控和维护人工智能聊天应用程序的质量 |
| 08 | 创建搜索应用 | 代码: 语义搜索与关键字搜索。什么是文本嵌入以及它们如何应用于搜索 | 创建一个使用嵌入来搜索数据的应用程序 |
| 09 | 创建图像生成应用 | 代码: 图像生成及其在构建应用程序中的作用 | 构建图像生成应用程序 |
| 10 | 创建低代码的人工智能应用 | 低代码: Power Platform中的生成式AI简介 | 使用低代码为我们的教育初创公司构建学生作业跟踪应用程序 |
| 11 | 为生成式AI添加function calling | 代码: 什么是Function Calling及其在应用程序中的使用示例 | 设置Function Calling以从外部API检索数据 |
| 12 | 为人工智能应用程序添加用户体验 | 知识点: 设计人工智能应用程序以实现信任和透明度 | 开发生成式人工智能应用时用户体验设计的相关原则 |
| 13 | 保护您的生成式AI应用 | 知识点: 了解AI系统面临的威胁和风险，以及如何保护这些系统 | 掌握保护生成式AI应用的安全措施，确保应用的可靠性和安全性 |
| 14 | 生成式AI应用生命周期 | 知识点：管理LLM生命周期和LLMOps的工具和指标 | 了解如何管理生成式AI应用的整个生命周期，包括部署、监控和优化 |
| 15 | 检索增强生成(RAG)和向量数据库 | 代码：使用RAG框架从向量数据库中检索嵌入的应用 | 学习如何结合检索增强生成技术，提升生成式AI应用的性能和准确性 |
| 16 | 开源模型与Hugging Face | 代码：使用Hugging Face上的开源模型创建应用 | 掌握如何利用Hugging Face等开源平台的模型资源，快速构建生成式AI应用 |
| 17 | AI代理 | 代码：使用AI代理框架创建应用 | 了解AI代理的概念，并学习如何通过AI代理框架构建智能应用 |
| 18 | 微调LLM | 知识点：微调LLM的内容、原因和方法 | 掌握如何对大型语言模型进行微调，以适应特定的业务需求 |
| 19 | 使用SLM构建 | 知识点：使用小型语言模型构建的优势 | 了解小型语言模型的特点和应用场景，以及如何利用它们构建高效的应用 |
| 20 | 使用Mistral模型构建 | 知识点：Mistral系列模型的特点和差异 | 掌握Mistral模型的特点，以及如何在实际应用中选择合适的模型 |
| 21 | 使用Meta模型构建 | 知识点：Meta系列模型的特点和差异 | 了解Meta模型的优势和应用场景，学习如何利用它们构建高级应用 |
| xx |
