数学不好也能学会AI编程微软研究院AI实践课程上新

新智元报导

来历：GitHub

修改：元子

【新智元导读】本文介绍由是微软亚洲研究院经过一年的研制推出的AI实践课程，无需数学根底，从简略的代码下手，逐渐教会学生神经网络的原理，每一步都有代码展现原理。有实训渠道，能够在上面用GPU练习AI模型，有许多风趣+有用的事例。

邹欣现任微软亚洲研究院首席研制总监，参加AI渠道的研制和推行作业。他仍是《移山之道》《编程之美》《构建之法 – 现代软件工程》等书的作者。

他参加的开源课程《神经网络基本原理简明教程》是微软亚洲研究院经过一年的研制推出的，最近刚刚更新了课程内容。本课程更重视进行项目实践，能够说十分对程序员的口味了。一起本教程对数学的要求并不是很高，学习门槛一会儿就降了不少。

比较其他课程而言，本课程的共同之处在于：

从简略的代码下手，逐渐教会学生神经网络的原理，每一步都有代码展现原理

有实训渠道，能够在上面用GPU练习AI模型

有许多风趣+有用的事例

开始反应很好，程序员喜爱经过写代码来学习AI，而不是推导公式

怎么阅览本系列教程

假如运用阅览器在线观看的话，能够运用Chrome阅览器，需求加这个Math展现控件：

https://chrome.google.com/webstore/detail/mathjax-plugin-for-github/ioemnmodlmafdkllaclgeombjnmnbima)

也能够clone全部内容到本地，然后用VSCode阅览，但VSCode中需求装置能读取Markdown格局的扩展，比方Markdown Preview Enhanced。

写在前面，为什么要出这个系列的教程呢？

总的说来，咱们现在有了许多十分凶猛的深度学习结构，比方Tensorflow，CNTK，PaddlePaddle，Caffe2等等。

可是，咱们用这些结构在建立咱们自己的深度学习模型的时分，究竟做了一些什么样的操作呢？咱们企图去阅览结构的源码来了解结构究竟协助咱们做了些什么，可是……很难！很难！很难！由于深度学习是需求加快啦，分布式计算啦，结构做了许多许多的优化，也让像咱们这样的小白难以了解这些结构的源码。

这取决于你是想真实地把握“深度学习”的思维，仍是只想成为一个调参师？在咱们看来，如TensorFlow，CNTK这些巨大的深度学习东西，是为了处理实践的运用问题而生的，而不是用来学习“深度学习”常识和思维的。所以咱们依据自己亲身经历的学习轨道，概括出了以下教程，能够协助小白做到真实的从入门到通晓。

经过以下按部就班地学习与着手实践，一方面能够协助读者深刻了解“深度学习”的根底常识，更好地了解并运用现有结构，另一方面能够助力读者快速学习最新呈现的各种神经网络的扩展或许变型，跟上快速开展的AI浪潮。

关于这份教程的内容，假如没有额定的阐明，咱们一般运用如下表格的命名约好：

适用范围

没有各种根底想学习却无从下手哀声叹气的玩家，请准时盯梢最新博客，推导数学公式，跑通代码，并及时提出问题，以求最高作用；

深度学习小白，有直观的人工智能的知道，激烈的学习愿望和需求，请在博客的根底上合作代码食用，作用更佳；

调参师，练习过模型，调过参数，想了解结构内各层运算进程，给形而上学的调参之路增加一点心思保证；

超级高手，提出您名贵的定见，给广阔初学者指出一条明路！

前期预备

环境：

Windows 10 version 1809

Visual Studio 2017 Community or above

Python 3.6.6

Jupyter Notebook (可选)

自己：

清醒的脑筋（困了的同学请自觉泡茶），纸和笔（假如想跟着推公式的话），闹钟（避免久坐准时起来转转）。

参阅链接：

https://github.com/microsoft/ai-edu/tree/master