这是微软开源的 "12 Weeks, 24 Lessons, AI for All!" 课程：从符号 AI 讲到 Transformer 大模型，全部配套可执行的 Jupyter Notebook、课前阅读、随堂测验与动手实验，面向零基础学习者免费开放。AI 就业热潮让系统性入门课长期处于供不应求状态，而本项目兼具三大优势：体系完整覆盖 CV 到 NLP 再到伦理、内容持续维护更新、加上微软品牌信用背书。
| 项目 | 内容 |
|---|---|
| 仓库 | microsoft/AI-For-Beginners |
| 语言 / 许可证 | Jupyter Notebook / MIT（见 LICENSE 文件） |
| 总星标 | ⭐ 67115 |
| 本月净增星标 | +14291 |
| 榜单 | L1 月度趋势榜 #14、L3 增速榜 #35 |
这是微软开源的 "12 Weeks, 24 Lessons, AI for All!" 课程：从符号 AI 讲到 Transformer 大模型，全部配套可执行的 Jupyter Notebook、课前阅读、随堂测验与动手实验，面向零基础学习者免费开放。
AI 就业热潮让系统性入门课长期处于供不应求状态，而本项目兼具三大优势：体系完整覆盖 CV 到 NLP 再到伦理、内容持续维护更新、加上微软品牌信用背书。8 月重新入榜更多来自搜索型长尾流量的稳定转化——每一波新人入场都会把它当作默认起点，属于"常青树在榜单上的周期性回潮"，增速虽不及新兴工具但有超高总星基本盘。
7. 通过 co-op translator GitHub Action 维持 50 多种语言的自动化翻译。
8. 明确划定边界：经典 ML 归 ML-for-Beginners 课，数学推导与云框架部署不在本课范围。
内容主体为 Python 编写的 Jupyter Notebook，同时提供 PyTorch 和 Keras/TensorFlow 两套实现，计算机视觉部分用到 OpenCV。仓库结构上课程文件按 lessons 目录分章组织，翻译产物放在 translations 子目录以便整体剔除；测验前端是一个可本地部署也可上 Azure 的 JavaScript 小应用，另含 Binder 配置支持浏览器内直接运行。
推荐用稀疏检出克隆以跳过体积庞大的翻译目录：
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'Windows CMD 请对同样的参数改用双引号。环境配置遵循 lessons/0-course-setup/setup.md 中的指引。
运行方式参见 lessons/0-course-setup/how-to-run.md：既可以在 VSCode 或 GitHub Codespace 里逐个执行 notebook，也可以点击课首页面的 Binder 徽章免配置地在浏览器中跑通代码。完成每个主题时至少选做 PyTorch 或 TensorFlow 其中一套实现，然后到 ff-quizzes.netlify.app 完成随堂测验检验掌握程度。
fast.ai 主打自上而下的工程实战，DeepLearning.AI 收费且偏专题化，Google 的 ML Crash Course 则聚焦经典算法；AI-For-Beginners 以全免费的学院派全景覆盖占住"系统性打地基"生态位，并与 Data Science、ML、Web Dev 三门兄弟课程组成微软初学者系列矩阵，彼此引用互不重叠。
仓库主页见 github.com/microsoft/AI-For-Beginners；环境与运行指引分别在 lessons/0-course-setup/setup.md 与 how-to-run.md；在线测验站为 ff-quizzes.netlify.app；社区求助可走 Discord 或 Gitter 徽章链接；浏览器一键体验使用各课页面的 Binder 入口；许可证条款详见根目录 LICENSE 文件。