适合初学者的 AI 示例#
欢迎！该目录包含简单的独立示例，帮助您入门 AI 和机器学习。每个示例都设计得适合初学者，配有详细注释和逐步解释。
📚 示例概览#
| 示例 | 描述 | 难度 | 先决条件 |
|---|---|---|---|
| Hello AI World | 你的第一个 AI 程序 - 简单的模式识别 | ⭐ 初学者 | Python 基础 |
| 简单神经网络 | 从零搭建神经网络 | ⭐⭐ 初学者+ | Python，基础数学 |
| 图像分类器 | 使用预训练模型分类图像 | ⭐⭐ 初学者+ | Python，numpy |
| 文本情感分析 | 分析文本情感（正面/负面） | ⭐⭐ 初学者+ | Python |
🚀 快速开始#
先决条件#
请确保安装了 Python（推荐版本 3.8 及以上）。安装所需的包：
# 用于Python脚本
pip install numpy
# 用于Jupyter笔记本（图像分类器）
pip install jupyter numpy pillow tensorflow
或者使用主课程中的 conda 环境：
conda env create --name ai4beg --file ../environment.yml
conda activate ai4beg
运行示例#
对于 Python 脚本（.py 文件）：
python 01-hello-ai-world.py
对于 Jupyter 笔记本（.ipynb 文件）：
jupyter notebook 03-image-classifier.ipynb
📖 学习路径#
我们建议按顺序完成以下示例：
- 从 “Hello AI World” 开始 - 学习模式识别基础
- 构建一个简单神经网络 - 理解神经网络的工作原理
- 尝试图像分类器 - 体验 AI 在真实图像中的应用
- 分析文本情感 - 探索自然语言处理
💡 初学者提示#
- 仔细阅读代码注释 - 它们解释了每行代码的作用
- 多多实验！ - 尝试修改数值，观察结果
- 不用担心一开始理解全部内容 - 学习需要时间
- 有问题就问 - 使用讨论区
🔗 后续步骤#
完成这些示例后，继续探索完整课程：
🤝 贡献指南#
觉得这些示例有帮助吗？帮助我们改进它们：
- 报告问题或提出改进建议
- 添加更多适合初学者的示例
- 改进文档和注释
记住：每个专家都曾是初学者。祝学习愉快！🎓
免责声明： 本文件由 AI 翻译服务 Co-op Translator 翻译完成。尽管我们力求准确，但请注意，自动翻译可能包含错误或不准确之处。原始语言版文件应视为权威来源。对于重要信息，建议使用专业人工翻译。我们对因使用本翻译而产生的任何误解或误释不承担责任。