ai-edu/基础教程

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。

应用软件

1.Git client，用于clone代码，进入链接后点击右侧下载即可。

2.Python 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，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！

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：

2.1 神经网络初探

• 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
• 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	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	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	多入单出的单层神经网路；多入单出的单层神经网路	必选

2.2 神经网络进阶

• 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
• 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	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	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	模型文件概述；ONNX模型文件；Windows中模型的部署	必选

2.3 深度网络基础

• 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
• 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	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	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	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 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。