Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

吴恩达人工智能课

Answer

吴恩达（Andrew Ng）是人工智能领域享有盛誉的科学家和教育者。他在机器学习、统计学和人工智能领域有重要贡献，是在线教育平台 Coursera 的联合创始人。曾在斯坦福大学任副教授，领导过谷歌的大脑项目（Google Brain），还曾担任百度公司首席科学家并领导百度研究院。

吴恩达以深度学习和大规模机器学习系统方面的研究闻名，推动了人工智能技术的商业应用和普及。他是多个人工智能和机器学习开源项目的倡导者，如 TensorFlow 和 Caffe。

他致力于普及人工智能教育，其教授的机器学习课程在斯坦福大学和 Coursera 上极受欢迎，吸引全球数百万学生参与。

在课程方面，吴恩达有《面向所有人的生成式 AI 入门课程 Generative AI for Everyone》，在 B 站可搜索对应关键词获取资源，相关学习笔记可参考2024.5《生成式 AI 入门课程》吴恩达 。此外，他和 OpenAI 合作推出了免费的 Prompt Engineering（提示工程师）课程，原版网址：https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/ ，B 站版本：【合集·AI Course-哔哩哔哩】https://b23.tv/ATc4lX0 、https://b23.tv/lKSnMbB ，翻译版本可参考来自 twitter 博主歸藏 。推荐直接使用 Jupyter 版本学习，效率更高：https://github.com/datawhalechina/prompt-engineering-for-developers/ ，视频下载地址：https://pan.quark.cn/s/77669b9a89d7 ，OpenAI 开源了教程：https://islinxu.github.io/prompt-engineering-note/Introduction/index.html 。

内容由 AI 大模型生成，请仔细甄别。

Content generated by AI large model, please carefully verify (powered by aily)

References

问：吴恩达是谁?

吴恩达（Andrew Ng）是一位在人工智能领域享有盛誉的科学家和教育者。他在机器学习、统计学和人工智能领域做出了重要贡献，并且是在线教育平台Coursera的联合创始人。吴恩达曾在斯坦福大学担任副教授，并领导了谷歌的大脑项目（Google Brain）。此外，他还曾担任百度公司首席科学家，并领导百度研究院。吴恩达以其在深度学习和大规模机器学习系统方面的研究而闻名，他在这些领域的工作推动了人工智能技术的商业应用和普及。他还是多个人工智能和机器学习开源项目的倡导者，包括TensorFlow和Caffe。除了在学术界和工业界的贡献，吴恩达还致力于普及人工智能教育。他教授的机器学习课程是斯坦福大学和Coursera上最受欢迎的在线课程之一，吸引了全球数百万学生的参与。通过他的教学和研究工作，吴恩达对人工智能领域的发展产生了深远的影响。内容由AI大模型生成，请仔细甄别。

《雪梅 May 的 AI 学习日记》挑战 100 天和 AI 做朋友

May：今天研究Kimi，开始使用[Kimi最全指南](https://waytoagi.feishu.cn/wiki/QT9Ywsl66isyHNkYWqgcFrpAnec)感受：也就是从这里开始，我抱着每天向kimi问100个问题的心态，调整自己的思考模式，工作和生活中让自己能发觉需要问的问题，然后让自己养成有问题问AI的习惯[heading2]DAY6 2024.5.31学习吴恩达生成式人工智能课程[content]May：应朋友强烈推荐，插队先看吴恩达的课程资源：吴恩达B站搜索对应关键词，有很多课程资源：吴恩达《面向所有人的生成式AI入门课程Generative AI for Everyone》学习笔记：[2024.5《生成式AI入门课程》吴恩达](https://getgaoding.feishu.cn/docx/G1rJdc6kAo25oLxi9vpcg3EknXb)用时：抽空陆续3天学完[heading2]DAY7 2024.6.1探索用AI解决一个真实问题[content]May：有一个明确的议题，看怎么解任务：我的团队最近要写一份行业研究报告，我试试看AI怎样能帮到我[议题：用AI写行业研究报告](https://getgaoding.feishu.cn/docx/O9KvdxzKTorOfQxicmYcsEVJnSh)

目录：吴恩达讲Prompt

谷歌/百度AI部门负责人吴恩达和OpenAI合作推出了免费的Prompt Engineering（提示工程师）课程。课程主要内容是教你书写AI提示词，并且最后会教你利用GPT开发一个AI聊天机器人。原版网址：https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/B站版本：【合集·AI Course-哔哩哔哩】https://b23.tv/ATc4lX0https://b23.tv/lKSnMbB翻译版本：[来自twitter博主歸藏](https://twitter.com/op7418?s=21&t=F6BXooLyAyfvHbvr7Vw2-g)推荐直接使用Jupyter版本学习，效率更高：https://github.com/datawhalechina/prompt-engineering-for-developers/吴恩达和Open AI合作的提示工程课程一共9集全部已经翻译完成，并且改成了双语字幕，字幕文件也已经上传了。视频下载地址：https://pan.quark.cn/s/77669b9a89d7OpenAI开源了教程：https://islinxu.github.io/prompt-engineering-note/Introduction/index.html纯文字版本：

Others are asking
吴恩达
吴恩达（Andrew Ng）是在人工智能领域极具声誉的科学家和教育者。 他在机器学习、统计学和人工智能领域贡献卓著： 曾在斯坦福大学任副教授，领导过谷歌的大脑项目（Google Brain）。 担任过百度公司首席科学家并领导百度研究院。 以深度学习和大规模机器学习系统的研究闻名，推动了人工智能技术的商业应用和普及，是多个人工智能和机器学习开源项目（如 TensorFlow 和 Caffe）的倡导者。 致力于普及人工智能教育，其教授的机器学习课程在斯坦福大学和 Coursera 上广受欢迎，吸引全球数百万学生参与。 在红杉 AI Ascent 2024 会议中，吴恩达是与会的人工智能领导者之一。 在相关研究中，吴恩达逐渐意识到利用大量训练数据与快速计算能力的重要性，其想法在一些论文中得到支持。 内容由 AI 大模型生成，请仔细甄别。
2025-04-12
吴恩达
吴恩达（Andrew Ng）是人工智能领域享有盛誉的科学家和教育者。他在机器学习、统计学和人工智能领域贡献显著，是在线教育平台 Coursera 的联合创始人。 曾在斯坦福大学任副教授，领导过谷歌的大脑项目（Google Brain），还曾担任百度公司首席科学家并领导百度研究院。以深度学习和大规模机器学习系统方面的研究闻名，推动了人工智能技术的商业应用和普及，是多个人工智能和机器学习开源项目（如 TensorFlow 和 Caffe）的倡导者。 他致力于普及人工智能教育，其教授的机器学习课程在斯坦福大学和 Coursera 上极受欢迎，吸引全球数百万学生参与。通过教学和研究工作，对人工智能领域发展影响深远。 吴恩达还参与了红杉 AI Ascent 2024 会议。此外，他有一门生成式 AI 入门视频课程： 。 内容由 AI 大模型生成，请仔细甄别。
2025-04-10
吴恩达是谁
吴恩达（Andrew Ng）是在人工智能领域极具声誉的科学家和教育者。 他在机器学习、统计学和人工智能领域贡献显著： 曾在斯坦福大学任副教授，领导过谷歌的大脑项目（Google Brain）。 担任过百度公司首席科学家并领导百度研究院。 以深度学习和大规模机器学习系统的研究闻名，推动了人工智能技术的商业应用和普及，是多个人工智能和机器学习开源项目（如 TensorFlow 和 Caffe）的倡导者。 他还是在线教育平台 Coursera 的联合创始人，其教授的机器学习课程在斯坦福大学和 Coursera 上广受欢迎，吸引全球数百万学生参与。 此外，他还是 AI Fund 的成员，并在红杉 AI Ascent 2024 会议上参与交流。他还出版了新书《How to Build Your Career in AI》，为想进入 AI 领域的人士提供职业发展建议。
2025-04-08
吴恩达最近推出了哪些课程？
吴恩达最近推出的课程包括： 1. 与 OpenAI 合作推出的免费的 Prompt Engineering（提示工程师）课程。 主要内容是教书写 AI 提示词，并利用 GPT 开发一个 AI 聊天机器人。 原版网址：https://www.deeplearning.ai/shortcourses/chatgptpromptengineeringfordevelopers/ B 站版本：【合集·AI Course哔哩哔哩】https://b23.tv/ATc4lX0 、https://b23.tv/lKSnMbB 翻译版本： 推荐直接使用 Jupyter 版本学习，效率更高：https://github.com/datawhalechina/promptengineeringfordevelopers/ 视频下载地址：https://pan.quark.cn/s/77669b9a89d7 OpenAI 开源了教程：https://islinxu.github.io/promptengineeringnote/Introduction/index.html 纯文字版本 2. 2023 年 8 月 24 日上线的最新短课程： 《》，课程内容包括了解何时对 LLM 应用微调、准备数据以进行微调、根据自己的数据训练和评估 LLM。 《》，深入浅出地介绍了基于大语言模型的 AI Agents，从记忆检索到决策推理，再到行动顺序的选择，真实展现了 Agent 的智能化进程。
2025-03-27
吴恩达总结了四种AI Agent的设计模式： 1.反思模式（Reflection）： 2.工具使用模式： 3.规划模式： 4.多智能体协作模式：
吴恩达总结了以下四种 AI Agent 的设计模式： 1. 反思模式（Reflection）：让 Agent 审视和修正自己生成的输出。例如，在编写代码时，可让大模型检查代码的准确性和结构规范性，并不断优化。 2. 工具使用模式（Tool Use）：通过使用外部工具和资源，如 LLM 生成代码、调用 API 等进行实际操作。 3. 规划模式（Planning）：让 Agent 分解复杂任务并按计划执行。 4. 多智能体协作模式（Multiagent Collaboration）：多个 Agent 扮演不同角色合作完成任务。 如果您想更深入了解这些设计模式，可以参考以下文章：https://waytoagi.feishu.cn/wiki/SPNqwJkmQiyVfGkS8zocMSZcnYd
2025-03-19
吴恩达中文课程
以下是关于吴恩达中文课程的相关信息： 面向开发者的 LLM 入门课程： 地址： 简介：一个中文版的大模型入门教程，围绕吴恩达老师的大模型系列课程展开，包括吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版等。 目录： https://github.com/zard1152/deepLearningAI/wiki 介绍： 有两类大语言模型：基础 LLM 和指令微调 LLM。基础 LLM 经过训练可根据文本预测下一个词，指令微调 LLM 经过训练能遵循指令，为让系统更有帮助并遵循指令，通常会进一步使用人类反馈强化学习（RLHF）技术来优化。 原则与技巧： 两个提示的关键原则：尽可能保证下达的指令“清晰、没有歧义”；给大模型思考的时间，以及足够的时间去完成任务。
2025-03-05
你是福州市政府工作人员，中国移动拟邀请福州市委书记参加中国移动人工智能生态大会并致辞，该大会是第八届数字峰会的组成部分，需要撰写市委书记的致辞稿，需要中国移动准备哪些素材，请告诉我提示词
以下是为您整理的相关内容： 《促进创新的人工智能监管方法》：包含了关于通用人工智能价值链、相关案例研究以及对人工智能监管框架的探讨等内容。 陶力文律师关于律师写好提示词用好 AI 的方法：包括初始化的欢迎语、遵循的规则、获取案例洞察报告和目标群体、输出纲要和写作方案、根据用户反馈调整等流程。 开幕式主持稿：涉及基地代表发言的时间、主题、物料配合和人员配合等信息。 但这些素材似乎与为中国移动准备市委书记致辞稿所需的素材关联不大。一般来说，为撰写市委书记在中国移动人工智能生态大会上的致辞稿，中国移动可能需要准备以下素材： 1. 本次大会的详细介绍，包括主题、目标、议程安排等。 2. 中国移动在人工智能领域的发展成果、战略规划和未来愿景。 3. 中国移动人工智能生态的构建情况，如合作伙伴、合作项目等。 4. 本次大会在第八届数字峰会中的地位和作用。 5. 相关行业的人工智能发展现状和趋势。 6. 福州市在人工智能领域的发展情况和与中国移动合作的展望。
2025-04-18
人工智能软件现在有哪些
以下是一些常见的人工智能软件： 1. 在自然语言处理和神经科学应用方面，大型语言模型取得了进展，拥有更先进的工具用于解码大脑状态和分析复杂脑部活动。 2. 在艺术创作领域，有涉及知识产权保护的相关软件，如软件工程师在设计时应确保生成内容合法合规、注重用户知识产权保护等。创作者使用此类软件时，应了解自身权利并做好保护。 3. 在线 TTS 工具方面，如 Eleven Labs（https://elevenlabs.io/）、Speechify（https://speechify.com/）、Azure AI Speech Studio（https://speech.microsoft.com/portal）、Voicemaker（https://voicemaker.in/）等。这些工具可将文本转换为语音，具有不同的特点和适用场景。但请注意，相关内容由 AI 大模型生成，请仔细甄别。
2025-04-15
什么是通用人工智能
通用人工智能（AGI）是指具有人类水平的智能和理解能力的 AI 系统。它有能力完成任何人类可以完成的智力任务，适用于不同的领域，同时拥有某种形式的意识或自我意识。 目前 AGI 还只是一个理论概念，没有任何 AI 系统能达到这种通用智能水平。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力的 AI，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平的 AI，能够解决复杂问题，如 ChatGPT，能够根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务的 AI。目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明的 AI，如谷歌 DeepMind 的 AlphaFold 模型，可以预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 常见名词解释： AGI：通用人工智能（Artificial General Intelligence）能够像人类一样思考、学习和执行多种任务的人工智能系统。 NLP：自然语言处理（Natural Language Processing），就是说人话。 LLM：大型语言模型（Large Language Model），数据规模很大，没钱搞不出来，大烧钱模型。
2025-04-15
2025年人工智能大模型的技术提升有哪些，是参数？推理能力？还是语料
2025 年人工智能大模型的技术提升可能体现在以下几个方面： 1. 视频生成能力：如 2024 年推出的多个先进的 AI 模型能够从文本输入生成高质量视频，相比 2023 年有显著进步。 2. 模型规模与性能：更小的模型能驱动更强的性能，如 2022 年最小能在 MMLU 上得分高于 60%的模型是具有 5400 亿参数的 PaLM，到 2024 年，参数仅 38 亿的微软 Phi3mini 也能达到相同阈值。 3. 推理能力：尽管加入了如思维链推理等机制显著提升了大语言模型的性能，但在一些需要逻辑推理的问题上，如算术和规划，尤其在超出训练范围的实例上，这些系统仍存在问题。 4. AI 代理：在短时间预算设置下，顶级 AI 系统得分高于人类专家，但随着时间预算增加，人类表现会超过 AI。 5. 算法变革：如 DeepSeek 的出现标志着算力效率拐点显现，其通过优化算法架构显著提升了算力利用效率，同时 2025 年发布的大模型呈现低参数量特征，为本地化部署到 AI 终端运行提供了可能，其训练过程聚焦于强化学习，提升了模型的推理能力。
2025-04-14
用通俗易懂的动画描述人工智能工作原理
人工智能的工作原理可以通过以下动画来描述： 在一个动画场景中，首先有一个传统工作流的部分，就像精心搭建的积木城堡，每一块积木的位置和形状都被精确设计和控制，这代表着传统工作流的可控性和高成本、慢速度。 然后是 AI 工作流的部分。想象一下，有一团混乱的色彩在飞舞，这团色彩代表着随机和不可控。但在这混乱中，有一种力量在尝试引导和塑造，就像在狂风中努力抓住风筝线一样，这就是在随机性中寻找可控性。 比如在一个生成音频与视频同步的例子中，动画展示了一个系统。首先，系统将视频输入编码成压缩的表示形式，就像把一大包东西压缩成一个小包裹。然后，扩散模型从随机噪声中不断改进音频，就像在混沌中逐渐塑造出清晰的声音。这个过程受到视觉输入和自然语言提示的引导，最终生成与提示紧密配合的同步逼真音频。最后，音频输出被解码，变成音频波形，并与视频数据完美结合。 总的来说，传统工作流在可控中寻找创新的随机，而 AI 工作流更多是在随机中寻找可控，两者各有优劣，结合起来能创造出更出色的成果。
2025-04-14
人工智能简史
人工智能作为一个领域始于二十世纪中叶。最初，符号推理流行，带来了如专家系统等重要进展，但因方法无法大规模拓展应用场景，且从专家提取知识并以计算机可读形式表现及保持知识库准确的任务复杂、成本高，导致 20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移，计算资源变便宜，数据增多，神经网络方法在计算机视觉、语音理解等领域展现出卓越性能。过去十年中，“人工智能”常被视为“神经网络”的同义词，因多数成功案例基于神经网络方法。 以下是人工智能发展历程中的一些重要节点： 1969 年：经历低潮。Marvin Minsky 和 Seymour Papert 阐述因硬件限制，几层的神经网络仅能执行基本计算，AI 领域迎来第一次泡沫破灭。 1960 1970 年代：早期专家系统。此时期 AI 研究集中在符号主义，以逻辑推理为中心，主要是基于规则的系统，如早期专家系统。 1980 年代：神经网络。基于规则的系统弊端显现，人工智能研究关注机器学习，神经网络根据人脑结构和操作创建和建模。 1997 年：深蓝赢得国际象棋比赛。IBM 深蓝战胜国际象棋冠军卡斯帕罗夫，新的基于概率推论思路广泛应用于 AI 领域。 1990 2000 年代：机器学习。AI 研究在机器人技术、计算机视觉和自然语言处理等领域取得显著进展，21 世纪初深度学习出现使语音识别、图像识别和自然语言处理进步成为可能。 2012 年：深度学习兴起。Geoffrey Hinton 开创相关领域，发表开创性论文引入反向传播概念，突破感知器局限。 2012 年：AlexNet 赢得 ImageNet 挑战赛。引发深度学习热潮。 2016 年：AlphaGo 战胜围棋世界冠军。DeepMind 的 AlphaGo 战胜李世石，标志着人工智能在围棋领域超越人类，对人类理解产生深远影响。
2025-04-10