以下是您要求的英文文章的中文翻译，已按照保留原文结构、技术术语不翻译、代码块保持原样等要求处理。
人工智能初学者课程
AI For Beginners - 由 @girlie_mac 绘制的 sketchnote
通过我们为期12周、共24课时的课程，探索人工智能（AI）的世界！课程包含实践课程、测验和实验。本课程对初学者友好，涵盖 TensorFlow 和 PyTorch 等工具，以及 AI 伦理。
🌐 多语言支持 通过 GitHub Action 自动支持，并始终保持最新状态。 阿拉伯语 | 孟加拉语 | 保加利亚语 | 缅甸语 | 简体中文 | 繁体中文（香港） | 繁体中文（澳门） | 繁体中文（台湾） | 克罗地亚语 | 捷克语 | 丹麦语 | 荷兰语 | 爱沙尼亚语 | 芬兰语 | 法语 | 德语 | 希腊语 | 希伯来语 | 印地语 | 匈牙利语 | 印尼语 | 意大利语 | 日语 | 卡纳达语 | 高棉语 | 韩语 | 立陶宛语 | 马来语 | 马拉雅拉姆语 | 马拉地语 | 尼泊尔语 | 尼日利亚皮钦语 | 挪威语 | 波斯语 | 波兰语 | 葡萄牙语（巴西） | 葡萄牙语（葡萄牙） | 旁遮普语（古木基文） | 罗马尼亚语 | 俄语 | 塞尔维亚语（西里尔字母） | 斯洛伐克语 | 斯洛文尼亚语 | 西班牙语 | 斯瓦希里语 | 瑞典语 | 他加禄语（菲律宾语） | 泰米尔语 | 泰卢固语 | 泰语 | 土耳其语 | 乌克兰语 | 乌尔都语 | 越南语
更倾向于本地克隆？ 本仓库包含50多种语言的翻译，这会显著增加下载大小。如需不带翻译的克隆，请使用稀疏检出：
Bash / macOS / Linux:
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 'CMD (Windows):
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 "这样你就能以更快的下载速度获得完成课程所需的一切。如果你希望获得其他翻译语言，支持的语言列表在此。
加入社区
你将学到什么
课程思维导图
在本课程中，你将学到：
- 人工智能的不同方法，包括使用知识表示与推理的“经典”符号方法（GOFAI）。
- 神经网络与深度学习，这是现代 AI 的核心。我们将使用两种最流行的框架——TensorFlow 和 PyTorch——的代码来阐释这些重要主题背后的概念。
- 用于处理图像和文本的神经架构。我们将涵盖近期模型，但在最前沿技术上可能略有不足。
- 不太流行的 AI 方法，例如遗传算法和多智能体系统。
本课程不会涵盖的内容：
- 在 Microsoft Learn 合集中查找本课程的所有额外资源。
- AI 在商业中的业务案例。请考虑在 Microsoft Learn 上学习“面向业务用户的 AI 入门”学习路径，或与 INSEAD 合作开发的“AI 商学院”。
- 经典机器学习，这在我们的“机器学习初学者课程”中有详细描述。
- 使用认知服务构建的实际 AI 应用。对此，我们建议你从 Microsoft Learn 上的视觉、自然语言处理、使用 Azure OpenAI Service 的生成式 AI 等模块开始。
- 特定的 ML 云框架，例如 Azure Machine Learning、Microsoft Fabric 或 Azure Databricks。请考虑使用“使用 Azure Machine Learning 构建和运营机器学习解决方案”以及“使用 Azure Databricks 构建和运营机器学习解决方案”学习路径。
- 对话式 AI 和聊天机器人。有单独的“创建对话式 AI 解决方案”学习路径，你也可以参考这篇博客文章了解更多细节。
- 深度学习背后的深层数学。对此，我们推荐 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 所著的《深度学习》，该书也可在线获取：https://www.deeplearningbook.org/。
如需温和地了解云端 AI 主题，你可以考虑学习“开始在 Azure 上使用人工智能”学习路径。
内容
| 课程 | 链接 | PyTorch/Keras/TensorFlow | 实验 | |------|------|--------------------------|------| | 0 课程设置 | 设置你的开发环境 | - | - | | I 人工智能导论 | | | | | 01 AI 简介与历史 | - | - | | | II 符号 AI | | | | | 02 知识表示与专家系统 | 专家系统 / 本体 / 概念图 | | | | III 神经网络导论 | | | | | 03 感知机 | Notebook | 实验 | | 04 多层感知机与创建我们自己的框架 | Notebook | 实验 | | 05 框架简介（PyTorch/TensorFlow）与过拟合 | PyTorch / Keras / TensorFlow | 实验 | | IV 计算机视觉 | PyTorch / TensorFlow | 在 Microsoft Azure 上探索计算机视觉 | | 06 计算机视觉导论。OpenCV | Notebook | 实验 | | 07 卷积神经网络与 CNN 架构 | PyTorch / TensorFlow | 实验 | | 08 预训练网络与迁移学习及训练技巧 | PyTorch / TensorFlow | 实验 | | 09 自编码器与 VAE | PyTorch / TensorFlow | | | 10 生成对抗网络与艺术风格迁移 | PyTorch / TensorFlow | | | 11 目标检测 | TensorFlow | 实验 | | 12 语义分割。U-Net | PyTorch / TensorFlow | | | V 自然语言处理 | PyTorch / TensorFlow | 在 Microsoft Azure 上探索自然语言处理 | | 13 文本表示。BoW/TF-IDF | PyTorch / TensorFlow | | | 14 语义词嵌入。Word2Vec 与 GloVe | PyTorch / TensorFlow | | | 15 语言建模。训练你自己的嵌入 | PyTorch / TensorFlow | 实验 | | 16 循环神经网络 | PyTorch / TensorFlow | | | 17 生成式循环网络 | PyTorch / TensorFlow | 实验 | | 18 Transformer。BERT。 | PyTorch / TensorFlow | | | 19 命名实体识别 | TensorFlow | 实验 | | 20 大型语言模型、提示编程与少样本任务 | PyTorch | | | VI 其他 AI 技术 | | | | 21 遗传算法 | Notebook | | | 22 深度强化学习 | PyTorch / TensorFlow | 实验 | | 23 多智能体系统 | | | | VII AI 伦理 | | | | 24 AI 伦理与负责任 AI | Microsoft Learn：负责任 AI 原则 | | | IX 额外内容 | | | | 25 多模态网络、CLIP 与 VQGAN | Notebook | |
每节课包含：
- 预读材料
- 可执行的 Jupyter Notebook，通常特定于框架（PyTorch 或 TensorFlow）。可执行...
注意：原文末尾“The execut”不完整，已按现有内容翻译。如需补充，请提供完整原文。