數學不好也能學會AI編程！微軟研究院AI實踐課程上新

新智元報道

來源：GitHub

編輯：元子

【新智元導讀】本文介紹由是微軟亞洲研究院經過一年的研發推出的AI實踐課程，無需數學基礎，從簡單的代碼入手，逐步教會學生神經網路的原理，每一步都有代碼展現原理。有實訓平台，可以在上面用GPU訓練AI模型，有眾多有趣 實用的案例。

鄒欣現任微軟亞洲研究院首席研發總監，參與AI平台的研發和推廣工作。他還是《移山之道》《編程之美》《構建之法 – 現代軟體工程》等書的作者。

他參與的開源課程《神經網路基本原理簡明教程》是微軟亞洲研究院經過一年的研發推出的，最近剛剛更新了課程內容。本課程更注重進行項目實踐，可以說非常對程序員的口味了。同時本教程對數學的要求並不是很高，學習門檻一下子就降了不少。

相比其他課程而言，本課程的獨特之處在於：

從簡單的代碼入手，逐步教會學生神經網路的原理，每一步都有代碼展現原理

有實訓平台，可以在上面用GPU訓練AI模型

有眾多有趣 實用的案例

初步反響很好，程序員喜歡通過寫代碼來學習AI，而不是推導公式

如何瀏覽本系列教程

如果使用瀏覽器在線觀看的話，可以使用Chrome瀏覽器，需要加這個Math展示控制項：

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

也可以clone全部內容到本地，然後用VSCode瀏覽，但VSCode中需要安裝能讀取Markdown格式的擴展，比如Markdown Preview Enhanced。

寫在前面，為什麼要出這個系列的教程呢？

總的說來，我們現在有了很多非常厲害的深度學習框架，比如Tensorflow，CNTK，PaddlePaddle，Caffe2等等。

然而，我們用這些框架在搭建我們自己的深度學習模型的時候，到底做了一些什麼樣的操作呢？我們試圖去閱讀框架的源碼來理解框架到底幫助我們做了些什麼，但是……很難！很難！很難！因為深度學習是需要加速啦，分散式計算啦，框架做了很多很多的優化，也讓像我們這樣的小白難以理解這些框架的源碼。

這取決於你是想真正地掌握「深度學習」的思想，還是只想成為一個調參師？在我們看來，如TensorFlow，CNTK這些偉大的深度學習工具，是為了解決實際的應用問題而生的，而不是用來學習「深度學習」知識和思想的。所以我們根據自己親身經歷的學習軌跡，歸納出了以下教程，可以幫助小白做到真正的從入門到精通。

通過以下循序漸進地學習與動手實踐，一方面可以幫助讀者深刻理解「深度學習」的基礎知識，更好地理解並使用現有框架，另一方面可以助力讀者快速學習最新出現的各種神經網路的擴展或者變型，跟上快速發展的AI浪潮。

對於這份教程的內容，如果沒有額外的說明，我們通常使用如下表格的命名約定：

適用範圍

沒有各種基礎想學習卻無從下手哀聲嘆氣的玩家，請按時跟蹤最新博客，推導數學公式，跑通代碼，並及時提出問題，以求最高療效；

深度學習小白，有直觀的人工智慧的認識，強烈的學習慾望和需求，請在博客的基礎上配合代碼食用，效果更佳；

調參師，訓練過模型，調過參數，想了解框架內各層運算過程，給玄學的調參之路添加一點心理保障；

超級高手，提出您寶貴的意見，給廣大初學者指出一條明路！

前期準備

環境：

Windows 10 version 1809

Visual Studio 2017 Community or above

Python 3.6.6

Jupyter Notebook (可選)

自己：

清醒的頭腦（困了的同學請自覺泡茶），紙和筆（如果想跟著推公式的話），鬧鐘（防止久坐按時起來轉轉）。

參考鏈接：

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

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！