在近日Github趨勢熱榜上，來自微軟亞洲研究院AI教育團隊的人工智能教育與學(xué)習(xí)共建社區(qū)再度引發(fā)了廣泛關(guān)注，目前已獲得超過6000星。平臺開發(fā)團隊在GitHub上表示，該平臺是在教育部指導(dǎo)下，依托于新一代人工智能開放科研教育平臺，微軟亞洲研究院研發(fā)團隊和學(xué)術(shù)合作部將為本社區(qū)提供全面支持。

平臺提供人工智能應(yīng)用開發(fā)的真實案例，以及配套的教程、工具等學(xué)習(xí)資源，人工智能領(lǐng)域的一線教師及學(xué)習(xí)者也將分享他們的資源與經(jīng)驗。團隊表示，希望本社區(qū)的建立，能以開源的方式與廣大師生、開發(fā)者一起學(xué)習(xí)、一起貢獻，共同豐富、完善本社區(qū)，為中國人工智能的發(fā)展添磚加瓦。

社區(qū)的學(xué)習(xí)資源優(yōu)質(zhì)且免費，絕大部分為原創(chuàng)內(nèi)容，核心學(xué)習(xí)資源包括實戰(zhàn)篇和理論篇兩大部分，輔以參考學(xué)習(xí)路徑和先修知識參考資源，讓廣大學(xué)習(xí)者可以清晰地選擇適合自己的學(xué)習(xí)路徑，高效地學(xué)習(xí)。

理論篇

理論篇的內(nèi)容又稱作“9步學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)”,為微軟亞洲研究院研發(fā)團隊原創(chuàng)內(nèi)容，著重講述偏理論的知識，同樣以“做中學(xué)”為核心概念，但是獨特地以化繁為簡，深入淺出為特點，提供通俗易懂的理論講解，清晰工整的代碼，準確無誤的內(nèi)容，完整的作業(yè)體系，不但有理論，還有大量實踐動手環(huán)節(jié)，幫助讀者不但迅速掌握“深度學(xué)習(xí)”的基礎(chǔ)知識，更好地理解并使用現(xiàn)有框架，而且可以助力讀者快速學(xué)習(xí)最新出現(xiàn)的各種神經(jīng)網(wǎng)絡(luò)的擴展或者變型，跟上快速發(fā)展的AI浪潮,使學(xué)習(xí)者從新的角度快速上手神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，做到真正的從入門到精通。該部分內(nèi)容在針對合作伙伴線下的培訓(xùn)中，受到廣大學(xué)習(xí)者的廣泛好評。

神經(jīng)網(wǎng)絡(luò)初探

• 適用人群：希望了解最基本的神經(jīng)網(wǎng)絡(luò)知識，有一定代碼能力。
• 內(nèi)容：神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識，線性回歸，線性分類。
• 先修知識：微分知識和線性代數(shù);Python
• 學(xué)習(xí)時長：6~8小時
• 學(xué)習(xí)目標：理解神經(jīng)網(wǎng)絡(luò)基礎(chǔ)概念。

神經(jīng)網(wǎng)絡(luò)初探學(xué)習(xí)路徑參考

神經(jīng)網(wǎng)絡(luò)進階

• 適用人群：具有一定的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)基礎(chǔ)和代碼能力的學(xué)習(xí)者。
• 內(nèi)容：非線性回歸，非線性分類，模型推理。
• 先修知識：微分知識和線性代數(shù);Python
• 學(xué)習(xí)時長：8~12 小時
• 學(xué)習(xí)目標：更好地理解并使用現(xiàn)有神經(jīng)網(wǎng)絡(luò)框架。

神經(jīng)網(wǎng)絡(luò)進階學(xué)習(xí)路徑參考

深度網(wǎng)絡(luò)基礎(chǔ)

• 適用人群：有較好的神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)，想通過學(xué)習(xí)深度網(wǎng)絡(luò)進行更多地擴展性研究或者開發(fā)。
• 內(nèi)容：DNN，CNN，RNN。
• 先修知識：微分知識和線性代數(shù);Python
• 學(xué)習(xí)時長：16~24 小時
• 學(xué)習(xí)目標：有能力快速學(xué)習(xí)最新出現(xiàn)的各種神經(jīng)網(wǎng)絡(luò)的擴展或者變型，或進行前沿性研究。

深度網(wǎng)絡(luò)基礎(chǔ)學(xué)習(xí)路徑參考

實戰(zhàn)案例：從漫畫開始，學(xué)會OCR圖文轉(zhuǎn)換

興趣是第一老師。相信很多同學(xué)應(yīng)該都有一本自己心目中最喜歡的漫畫吧。，

微軟認知服務(wù)包括了影像、語音、語言、搜索、知識五大領(lǐng)域，通過對這些認知服務(wù)的獨立或者組合使用，可以解決很多現(xiàn)實世界中的問題。作為AI小白，我們可以選擇艱難地攀登崇山峻嶺，也可以選擇像牛頓一樣站在巨人的肩膀上。本章節(jié)的內(nèi)容就以“漫畫翻譯”為例，介紹如何靈活使用微軟認知服務(wù)來實現(xiàn)自己的AI夢想。

日本漫畫非常著名，如海賊王，神探柯南等系列漫畫在中國的少年一代中是非常普及。國內(nèi)專門有一批志愿者，全手工翻譯這些漫畫為中文版本，過程艱辛復(fù)雜，花費時間很長。能否使用AI來幫助加快這個過程呢？

小提示：漫畫是有版權(quán)的，請大家要在尊重版權(quán)的前提下做合法的事。

漫畫翻譯，要做的事情有三步：

調(diào)用微軟認知服務(wù)，用OCR(光學(xué)字符識別)服務(wù)識別出漫畫上所有文字；

調(diào)用微軟認知服務(wù)，用Text Translate(文本翻譯)服務(wù)把日文翻譯成中文；

自己寫邏輯代碼把中文文字貼回到以前的漫畫中，覆蓋以前的日文，生成新的漫畫幀。

下圖是展示最后的翻譯效果，左側(cè)是原漫畫，右側(cè)是翻譯成中文的結(jié)果（由于版權(quán)問題，我們自己模仿原漫畫做了幾個對話氣泡）：

環(huán)境準備

安裝Windows 10版本 1803，低一些的Windows 10版本也可以使用。Windows 7也可以運行本示例程序，但不建議使用，Windows 7的官方技術(shù)支持到2020/01/14結(jié)束。

小提示：如果您的機器不能運行Windows 10，說明硬件性能還是有些不夠的。AI是建立在軟硬件快速發(fā)展的基礎(chǔ)上的，不建議您使用低配置的機器來做AI知識的學(xué)習(xí)。

安裝Visual Studio 2017 Community。點擊這里下載，對于本案例，安裝時選擇“.NET桌面開發(fā)”即可滿足要求。

界面設(shè)計代碼

<Window x:Class="CartoonTranslate.MainWindow" 
        xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation" 
        xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml" 
        xmlns:d="http://schemas.microsoft.com/expression/blend/2008" 
        xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006" 
        xmlns:local="clr-namespace:CartoonTranslate" 
        mc:Ignorable="d" 
        Title="MainWindow" Height="450" Width="800"> 
    <Grid> 
        <Grid.RowDefinitions> 
            <RowDefinition Height="Auto"/> 
            <RowDefinition Height="Auto"/> 
            <RowDefinition Height="Auto"/> 
            <RowDefinition Height="*"/> 
        </Grid.RowDefinitions> 
        <StackPanel Orientation="Horizontal" Grid.Row="0"> 
            <TextBlock Grid.Row="0" Text="Input URL:"/> 
            <TextBox x:Name="tb_Url" Grid.Row="1" Width="600" 
                     Text="http://stat.ameba.jp/user_images/20121222/18/secretcube/2e/19/j/o0800112012341269548.jpg"/> 
            <Button x:Name="btn_Show" Content="Show" Click="btn_Show_Click" Width="100"/> 
            <Button x:Name="btn_OCR" Content="OCR" Click="btn_OCR_Click" Width="100"/> 
            <Button x:Name="btn_Translate" Content="Translate" Click="btn_Translate_Click" Width="100"/> 
        </StackPanel> 
        <StackPanel Grid.Row="1" Orientation="Horizontal"> 
            <TextBlock Text="Engine:"/> 
            <RadioButton x:Name="rb_V1" GroupName="gn_Engine" Content="OCR" Margin="20,0" IsChecked="True" Click="rb_V1_Click"/> 
            <RadioButton x:Name="rb_V2" GroupName="gn_Engine" Content="Recognize Text" Click="rb_V2_Click"/> 
            <TextBlock Text="Language:" Margin="20,0"/> 
            <RadioButton x:Name="rb_English" GroupName="gn_Language" Content="English"/> 
            <RadioButton x:Name="rb_Japanese" GroupName="gn_Language" Content="Japanese" IsChecked="True" Margin="20,0"/> 
        </StackPanel> 
        <Grid Grid.Row="3"> 
            <Grid.ColumnDefinitions> 
                <ColumnDefinition Width="*"/> 
                <ColumnDefinition Width="40"/> 
                <ColumnDefinition Width="*"/> 
            </Grid.ColumnDefinitions> 
            <TextBlock Grid.Column="0" Text="Source Image" VerticalAlignment="Center" HorizontalAlignment="Center"/> 
            <TextBlock Grid.Column="2" Text="Target Image" VerticalAlignment="Center" HorizontalAlignment="Center"/> 
            <Image x:Name="imgSource" Grid.Column="0" Stretch="None" HorizontalAlignment="Left" VerticalAlignment="Top"/> 
            <Image x:Name="imgTarget" Grid.Column="2" Stretch="None" HorizontalAlignment="Left" VerticalAlignment="Top"/> 
            <Canvas x:Name="canvas_1" Grid.Column="0"/> 
            <Canvas x:Name="canvas_2" Grid.Column="2"/> 
        </Grid> 
</Grid> 
</Window> 

由于篇幅限制，完整內(nèi)容請參考GitHub：

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