# A-基础教程

此模块是人工智能学习的理论教程集合，包括课程详解和代码示例，帮助学习者从入门到精通神经网络的原理，并通过一系列代码实践讲原理应用于实际问题的解决。

## 0. 环境准备

### 操作系统

[Windows 10](https://docs.microsoft.com/windows/release-health/)。

### 应用软件

1.[Git](https://git-scm.com/) client，用于clone代码，进入链接后点击右侧下载即可。

2.[Python](https://www.python.org/downloads/) 3.6+ without conda，进入链接后选择相应版本下载即可，记得在安装时将Python加入环境变量。

3.[VS Code](https://code.visualstudio.com/)，进入链接后选择相应版本下载即可。下载后需安装Markdown all in one插件，方法是打开VS Code，选择左边栏“扩展”或按快捷键Ctrl+Shift+X，并搜索Markdown all in one插件，下载安装即可。

本模块包含下列课程：

## 1. PythonBasic（Python基础)

包括相关数学原理的介绍和python语言的介绍，以及示例演示。帮助学习者夯实基础，为神经网络原理的学习打下基础。


## 2. 神经网络简明原理

神经网络简明原理教程，也称 **9步学习法**，从神经网络基础结构开始，由浅入深，配合代码实践，帮助学习者学习并掌握神经网络的核心内容。

该教程的配套新书出版！

<img src="./A2-神经网络基本原理/img/cover.png" width=300/>

目前在各大网店都可以买到。全书400多页，全彩印刷，由高等教育出版社出版，是下面所述的“神经网络基本原理教程”的印刷版。

本部分包含三个学习路径：

**<font size=3>2.1 神经网络初探</font>**

- 适用人群：希望了解最基本的神经网络知识，有一定代码能力。
- 内容：神经网络基础知识，线性回归、线性分类。
- 先修知识：微分知识和线性代数;[Python](https://docs.python.org/zh-cn/3/tutorial/index.html)
- 学习时长：6~8小时
- 学习目标：理解神经网络基础概念。

**神经网络初探学习路径参考**

序号|内容|知识点|备注
:--:|-----------|-----------|:---:
1|[第一步：神经网络概论与基本概念](./A2-神经网络基本原理/第1步%20-%20基本知识/01%20第一步%20-%20概论与基本概念.md)| 神经网络基本工作原理；反向传播；梯度下降；损失函数|必选
2|[第二步：线性回归](./A2-神经网络基本原理/第2步%20-%20线性回归/04%20第二步%20-%20线性回归.md)|单入单出的单层神经网络；多入单出的单层神经网络|必选
3|[第三步：线性分类](.//A2-神经网络基本原理/第3步%20-%20线性分类/06%20第三步%20-%20线性分类.md)|多入单出的单层神经网路；多入单出的单层神经网路|必选


**<font size=3>2.2 神经网络进阶</font>**

- 适用人群：具有一定的神经网络学习基础和代码能力的学习者。
- 内容：非线性回归，非线性分类，模型推理。
- 先修知识：微分知识和线性代数;[Python](https://docs.python.org/zh-cn/3/tutorial/index.html)
- 学习时长：8~12 小时
- 学习目标：更好地理解并使用现有神经网络框架。

**神经网络进阶学习路径参考**

序号|内容|知识点|备注
:--:|-----------|-----------|:---:
1|[第四步：非线性回归](./A2-神经网络基本原理/第4步%20-%20非线性回归/08%20第四步%20-%20非线性回归.md)| 激活函数；单入单出的双层神经网络|必选
2|[第五步：非线性分类](./A2-神经网络基本原理/第5步%20-%20非线性分类/10%20第五步%20-%20非线性分类.md)|多入单出的双层神经网络；多入多出的双层神经网络；多入多出的三层神经网络|必选
3|[第六步：模型的推理与部署](./A2-神经网络基本原理/第6步%20-%20模型部署/13%20第六步%20-%20模型的推理与部署.md)|模型文件概述；ONNX模型文件；Windows中模型的部署|必选


**<font size=3>2.3 深度网络基础</font>**

- 适用人群：有较好的神经网络理论基础，想通过学习深度网络进行更多地扩展性研究或者开发。
- 内容：DNN，CNN，RNN。
- 先修知识：微分知识和线性代数;[Python](https://docs.python.org/zh-cn/3/tutorial/index.html)
- 学习时长：16~24 小时
- 学习目标：有能力快速学习最新出现的各种神经网络的扩展或者变型，或进行前沿性研究。

**深度网络基础学习路径参考**

序号|内容|知识点|备注
:--:|-----------|-----------|:---:
1|[第七步：深度神经网络](./A2-神经网络基本原理/第7步%20-%20深度神经网络/14%20第七步%20-%20深度神经网络.md)| 搭建深度神经网络框架；网络优化；正则化|必选
2|[第八步：卷积神经网络](./A2-神经网络基本原理/第8步%20-%20卷积神经网络/17%20第八步%20-%20卷积神经网络.md)|卷积神经网络原理；卷积神经网络应用|必选
3|[第九步：循环神经网络](./A2-神经网络基本原理/第9步%20-%20循环神经网络/19%20第九步%20-%20循环神经网络.md)|普通循环神经网络；高级循环神经网络|必选



## 反馈与贡献

1. 反馈

    如果您对本模块内容有任何反馈，欢迎在 GitHub [Issues](https://github.com/microsoft/ai-edu/issues) 模块中留言，我们会积极了解您的反馈，并尽量满足您的要求。

2. 贡献

    如果您想向本模块提供任何有价值的教程内容，请 fork 本仓库到您自己的账号，编辑内容并提交 Pull Request，我们会及时审阅并处理。

    欢迎向本模块贡献有价值的内容。