【微软】神经网络基本原理简明教程，附PPT

总的说来，我们现在有了很多非常厉害的深度学习框架，比如Tensorflow，CNTK，PaddlePaddle，Caffe2等等。然而，我们用这些框架在搭建我们自己的深度学习模型的时候，到底做了一些什么样的操作呢？我们试图去阅读框架的源码来理解框架到底帮助我们做了些什么，但是……很难！很难！很难！因为深度学习是需要加速啦，分布式计算啦，框架做了很多很多的优化，也让像我们这样的小白难以理解这些框架的源码。

这取决于你是想真正地掌握“深度学习”的思想，还是只想成为一个调参师？在我们看来，如TensorFlow，CNTK这些伟大的深度学习工具，是为了解决实际的应用问题而生的，而不是用来学习“深度学习”知识和思想的。所以我们根据自己亲身经历的学习轨迹，归纳出了以下教程，可以帮助小白做到真正的从入门到精通。

通过以下循序渐进地学习与动手实践，一方面可以帮助读者深刻理解“深度学习”的基础知识，更好地理解并使用现有框架，另一方面可以助力读者快速学习最新出现的各种神经网络的扩展或者变型，跟上快速发展的AI浪潮。

https://microsoft.github.io/ai-edu/

目录：

Chapter 01 概论 PDF Chapter 02 神经网络中的三个基本概念.pdf Chapter 03 损失函数.pdf Chapter 04 单入单出的单层神经网络 - 单变量线性回归.pdf Chapter 05 多入单出的单层神经网络 - 多变量线性回归.pdf Chapter 06 多入单出的单层神经网络 - 线性二分类.pdf Chapter 07 多入多出的单层神经网络 - 线性多分类.pdf Chapter 08 激活函数.pdf Chapter 09 单入单出的双层神经网络 - 非线性回归 Chapter 10 多入单出的双层神经网络 - 非线性二分类 Chapter 11 多入多出的双层神经网络 - 非线性多分类 Chapter 12 多入多出的三层神经网络 - 深度非线性多分类 Chapter 13 模型的推理与部署 Chapter 14 搭建深度神经网络框架 Chapter 15 网络优化 Chapter 16 正则化 Chapter 17 卷积神经网络原理 Chapter 18 卷积神经网络应用 Chapter 19 普通循环神经网络 Chapter 20 高级循环神经网络