从零开始构建人工智能：微软生成式人工智能课程内幕

简要

微软推出了一门免费的18节课的课程，关于生成式人工智能——旨在引导专业人士从零基础到构建自己的模型。

今年，生成性人工智能从小众好奇转变为基础技能。作为回应，微软发布了生成性人工智能入门，这是由微软云倡导者制作的免费在线18节课程。课程围绕视频、书面指南和代码示例构建，指导学习者从基础知识到负责任的人工智能、提示工程、代理、RAG和微调。该课程结构异常精简且实用，没有填充内容——很少有大规模开放在线课程（MOOC）能如此全面且干净地覆盖这些内容。

课程内容：与实际需求相匹配的十八课

该课程包含18节课，分为“学习”模块（核心概念）和“构建”模块（使用Python或TypeScript代码），每个模块结束时都有一个“继续学习”环节。内容包括视频、书面自述文件、代码笔记本和额外资源。

课程主题包括：

• 生成式人工智能和大型语言模型简介;
• 探索和比较不同的LLM；
• 负责任地使用生成性人工智能；
• 提示工程(基础与进阶);
• 构建文本、聊天、图像生成应用程序；
• 使用向量数据库搜索；
• (Power Platform、Copilot) 的低代码 AI 应用程序;
• 与函数调用集成；
• AI应用的用户体验设计；
• 应用生命周期，LLMOps；
• 保护AI应用；
• 检索增强生成 (RAG) 和向量数据库；
• 开源模型和 Hugging Face;
• AI代理;
• 微调大型语言模型；

视频伴随着许多人。例如，第一部分介绍了LLM的内部工作原理和真实用例；第二部分涵盖了模型比较和部署；第十七部分深入探讨了AI代理：它们是什么，框架以及实际应用场景。

微软为何希望开发者学习生成性人工智能

人工智能素养正在向技术的基线期望攀升。微软的推出似乎是战略性的：在将新手融入微软的生态系统（Azure、Copilot、OpenAI合作）时进行教育。

教育科技的增长显示出全球需求：HolonIQ 预计到本世纪末，全球教育科技支出可能超过 4000 亿美元——数字技能是主要驱动力。微软的努力看起来不那么利他，更像是生态系统的强化。通过 Microsoft Learn 教授开发者使用 Azure 或 OpenAI 创建了一个自然的工具输入管道。

谷歌和英伟达也提供人工智能指南——谷歌的“人人可用的人工智能”学习路径；英伟达的深度学习学院。然而，微软的内容则将学习与Azure和实际项目紧密结合，而不仅仅是理论。

实用收益：开发者从微软的初学者生成式人工智能中获得的技能

学习者通过18个课程所概述的具体技能毕业：

• 构建原型，例如聊天机器人、基本的 LLM 应用程序或图像工具；
• 将向量搜索和RAG集成到应用程序中；
• 使用函数调用将LLM与外部系统连接;;
• 使用 Power Platform 和 Copilot 部署低代码应用程序
• 设计安全的、关注生命周期的人工智能解决方案。

这些是由官方模块 GitHub 和 Microsoft Learn 支持的初学者生成 AI 课程的直接成果。

微软是如何将学习融入其生态系统的

除了课程，微软鼓励学习者通过其更广泛的生态系统扩展项目。例如，微软创业公司创始人中心提供高达150,000美元的Azure信用和2,500美元的OpenAI信用(项目详情)。虽然这不是课程的一部分，但这些激励措施为从教育到原型设计和在微软技术栈内扩展创造了一条道路。

市场背景

这些技能的重要性得到了更广泛的开发者社区的支持。GitHub 的 Octoverse 2024 报告指出，带有生成性 AI 标签的公共存储库同比增长了 98%，全球接近 150,000 个项目。这一激增说明了生成性 AI 如何迅速从实验阶段转向主流开发者活动。

现场声音：学习者反应与背景

严肃的建设者希望得到的不仅仅是口号。他们希望有课程教他们如何交付可用的系统，以及一个与现代模型实际行为相匹配的框架。今天最有用的信号来自那些生活在技术栈内部的从业者，他们在公开场合发布具体的指导。

这些职位共同描述了一个明确的需求曲线：直接的主动实践以获得即时效用，结合对人工智能素养教学方式的更深层次重写。这种组合为任何声称为从业者准备真实产品工作的课程设定了基准。

人工智能教育的竞争格局

微软将 初学者的生成式人工智能 定义为一种学习路径和进入其生态系统的切入点，但更广泛的人工智能教育领域已经多样化。

赫尔辛基大学与MinnaLearn合作创建了《人工智能元素》，这是一门免费的课程，已覆盖170个国家的超过一百万人，提供26种语言。它关注的是公民素养和易于理解的基础知识，而不是特定平台的技能。

fast.ai，由Jeremy Howard和Rachel Thomas创立，于2016年推出了实用深度学习编程者系列。它强调编码、实验和无需机构支持即可访问现代模型训练。

Coursera 联合创始人 Andrew Ng 通过发布机器学习和深度学习课程，塑造了在线 AI 教育，这些课程吸引了全球数百万学习者。他的工作展示了大规模提供的大学风格课程的持久性。

| | | | --- | --- | | 平台 / 课程 | 特色 | | 微软生成式AI入门 | 代理、检索、生命周期意识的实用课程 | | 人工智能的元素 | 翻译成26种语言，专注于公共素养 | | fast.ai | 直接编码实践和模型构建 | | Coursera / Andrew Ng | 全球影响力和机构信誉 |

微软将其课程定位为与其基础设施相关的应用轨道。AI元素专注于可及性，fast.ai追求编码深度，而Coursera则继续扩展学术框架。它们共同定义了一个人工智能教育变得既普遍又战略性竞争的领域。

从学习到构建：生成式人工智能教育的未来之路

初学者的生成性人工智能将培训视为基础设施。它将学习者引导到定义明确的生态系统中，在那里工具、工作流程和职业汇聚。微软压缩了路径：基础知识、负责任的人工智能、提示设计、检索、代理，然后在Azure和OpenAI内部的完整工作流程。结果是从理论到原型的直线。其他替代方案则揭示了其他逻辑。AI元素以规模开放访问，fast.ai强调编码纪律，Coursera架起了学术界与全球需求之间的桥梁。

每个都反映出相同的基准：人工智能流畅性不再是可选项。分歧在于渠道。企业项目加速技能，同时将其绑定到平台。独立轨道保持中立，但仍然与集成堆栈保持距离。这个决定塑造了下一代从业者的学习方式以及谁设定了他们实践的条款。