Background

之前学习李宏毅机器学习的视频课，感觉无穷无尽的视频很容易分散注意力，加之配课程要求的环境有一些阻力，演化成了只看不练的假把式，深思熟虑后认为李宏毅老师的课程不太适合我目前的学习状态。课程讲得固然清晰，但是奈何没法长时间集中注意学习。痛定思痛，找到了微软的AI-for-beginners课程，决定跟着每一讲快速过一遍知识点，把每一个lab做下去。
note：截止这一篇文章撰写的时候Suchan做了两讲的内容，发现：

  • 李宏毅老师的课程将挺多知识点都讲解的十分透彻，自己在看课程的时候遇到的知识点都很快理解并往下做
  • 微软共有三个AI的课程，分别是MachineLearning-for-beginners、AI-for-beginners以及generative-ai-for-beginners，遗憾的是，Suchan选中的AI-for-beginners没有中文教程，只能硬着头皮啃英文版
  • 再次遗憾的是，Suchan找了挺多网站也没有找到AI-for-beginners里面Lab的solution，只能自己摸索（有找到的小伙伴麻烦评论分享一下呢）

ok废话少说，启动！

环境搭建

教程中提供了三种运行代码的方式，本地构建、云上运行以及云上GPU运行。盲猜后两种云不会是免费的午餐，果断选择了本地方式。

安装conda

登录anaconda的官网下载，anaconda是一个集成的工具软件。
直接跳过登录下载即可
conda
找到自己的平台一路下载安装
condaDownload
直到任务栏中可用
condaDownloadSuccess
随后跟着课程中的命令，最好把别人的仓库fork一份再克隆自己的，这样自己写的lab提交到自己的仓库可以随时方便查看，会更加清晰一些

1
2
3
4
git clone http://github.com/microsoft/ai-for-beginners
cd ai-for-beginners
conda env create --name ai4beg --file .devcontainer/environment.yml
conda activate ai4beg

编辑器

教程中推荐使用vscode + python Extension来运行，作者发现直接使用pycharm会方便一些（jet brain yyds！！），省去了不少配置的麻烦，一键下载jupyter notebook，唯一的缺点就是需要一些银子。当然也可以遵从教程的做法，毕竟vscode是免费使用的

此处就不展示如何下载pycharm以及配置vscode了，相信你可以的

检查环境是否成功

让我们不妨直接跳到教程的第三节:3-NeuralNetworks/03-Perceptron/Perceptron.ipynb(前两节大多在讲解AI的发展史以及一两个无关紧要的算法引导。感觉不看也无伤大雅)随便找到一段代码，例如下图引入一些库的代码片段：
environmentCheck
点击运行后看到执行成功就是环境配好了，如果报错一些库引入失败，可以尝试在终端中

1
pip install xxx

通常xxx就是你引入的库的名称，如果没法install，尝试把报错复制搜索，能找到具体的install的名称

What’s More

至此环境搭好，可以开始AI之旅
每一节都会有6道题的quiz，pre & post Lecture，大多是一些基本概念