微软开源课 AI-For-Beginners：12 周、24 课，带 Jupyter 实验和测验。面向初学者，用 TensorFlow / PyTorch 把神经网络跑起来，并单独讲 AI 伦理。和 Crash Course 通识路线 里那门 20 集 AI 视频不同：那边是听个概貌，这边是动手写代码。

仓库：microsoft/AI-For-Beginners（MIT）。中文：简体译文 README。思维导图：soshnikov.com/courses/ai-for-beginners/mindmap.html。测验：ff-quizzes.netlify.app。

适合排在 Crash Course 理工段（尤其第 14 门 AI）之后，或直接当独立一条线。不要和通识 19 门并排开。

会学什么 / 不学什么

会学

  • 符号 AI（知识表示、专家系统，GOFAI）
  • 神经网络与深度学习（PyTorch 与 TensorFlow 对照）
  • 图像与文本的网络结构（CNN、RNN、Transformer / BERT、LLM 入门）
  • 较少见的路线：遗传算法、多智能体
  • 负责任的 AI

不学（仓库自己划清了边界）

想学这个 去哪
经典机器学习 ML-for-Beginners
生成式 AI / Agent / MCP 微软另一套 for Beginners 系列
Azure 认知服务、云上 ML Microsoft Learn
深度学习背后的重数学 Goodfellow《Deep Learning》

完全零基础可先做仓库 examples/：Hello AI World、手写小网络、图像分类、文本情感。

课程地图（24 课 + 附加）

段 课 内容
0 环境 setup · 怎么跑
I 简介 01 AI 历史
II 符号 AI 02 知识表示、专家系统
III 神经网络 03–05 感知器 → 多层感知器 → PyTorch / Keras / TF 与过拟合
IV 计算机视觉 06–12 OpenCV、CNN、迁移学习、自编码器、GAN、检测、分割
V NLP 13–20 词袋 / 嵌入 / 语言模型 / RNN / Transformer / NER / LLM 与提示
VI 其他 21–23 遗传算法、深度强化学习、多智能体
VII 伦理 24 负责任的 AI
附加 25 多模态：CLIP、VQGAN

每课通常有：预习文、一份 PyTorch 或 TensorFlow 笔记本（两套里走一套就够）、部分课有 Lab、部分链到 Microsoft Learn。

节奏建议：每周 2 课（约对应官方 12 周）。有实验的课把 Lab 做完再往下；框架只跟一种，不要 PyTorch / TF 两套都敲。

怎么开始

仓库带 50+ 语言译文，整仓很肥。本地克隆建议稀疏检出、去掉翻译目录：

1
2
3
git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
cd AI-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

然后按 setup 配环境（VS Code / Codespaces / Binder 均可）。读中文时打开 translations/zh-CN/，代码仍用仓库根目录的 notebook。

和专栏里其他材料的关系

每段结束仍可用专栏那 5 句：「这门解决什么 / 三个概念 / 和已学哪门对上 / 立刻能用在哪 / 一个缺口」。

GitHubAI学习

快来参与讨论吧~