本课程安排
必读材料与读后感
相信大家已经阅读过如下内容，但是还请大家重新阅读一遍，再一次思考自己上大学的目的。
- 提问的智慧：https://github.com/ryanhanwu/How-To-Ask-Questions-The-Smart-Way/blob/main/README-zh_CN.md
- 别像弱智一样提问：https://github.com/tangx/Stop-Ask-Questions-The-Stupid-Ways/blob/master/README.md
- 学术诚信准则：http://integrity.mit.edu/
- 关于写代码的学术诚信：http://integrity.mit.edu/handbook/writing-code
- 如何科学提问：https://ysyx.oscc.cc/docs/2306/prestudy/0.1.html
- 什么样的问题我不想回答：https://zhuanlan.zhihu.com/p/381820481
- 提问模版：https://ysyx.oscc.cc/docs/misc/ask.html
- “大学除了专业知识，还应该学些什么？” 南京大学《SICP》课堂李樾老师的絮絮叨叨：https://www.bilibili.com/video/BV1uR4y167pA/
环境搭建
请在上课前安装好Python、Jupyter Notebook、Pytorch开发环境
关于Python
信息与计算科学专业已大二上教授了 Python 入门课程，如果大家忘了 Python 的内容可以去 CS201 课程主页复习，本课程不再赘述 Python 的基础语法。
关于 Python 的库 Numpy 和 Matplotlib 如何使用，信息与计算科学专业已在大二下的相关内容，如果大家忘了可以去 Math203课程主页复习，本课程不再赘述相关内容。
课程实验
本课程一共有五个大实验，其中实验一和实验二需要同学们编写对应的代码。 实验三、四、五只需大家执行代码训练对应的AI模型，体验深度学习模型的训练过程， 当然我们强烈建议阅读这三个实验的代码，弄清楚每一行代码的意义。 最后大家需提交一份LaTeX版本的实验报告，实验报告模板可在如下地址下载。
- 实验一：从零开始实现深度神经网络
- 实验二：Pytorch 入门教程
- 实验三：GAN生成动画人物图片
- 实验四：Transformer实现中英文翻译
- 实验五：RNN实现一个音乐自动生成应用
实验报告
关于遇到问题的搜索
我们想通过必读材料的阅读，你应该知道搜索的重要性了。你会发现你不太容易搜索到相关的中文资料，所以你需要适应查阅英文资料。
如何适应查阅英文资料? 方法是尝试并坚持查阅英文资料。
| 搜索引擎 | 百科 | 问答网站 | |
|---|---|---|---|
| 推荐使用 | 这里有Google搜索镜像 | http://en.wikipedia.org | http://stackoverflow.com |
| 不推荐使用 |
一些说明:
- 一般来说, 百度对英文关键词的处理能力比不上Google。同时百度的广告太多，关键词检索首页命中率太低，我们认为用百度搜索技术问题纯属在浪费生命，而且是大大的浪费生命。强烈推荐Google搜索，至于如何访问Google搜索，请自行了解相关知识，或者使用我们表格中提供的Google搜索镜像。
- 通常来说, 英文维基百科比中文维基百科和百度百科包含更丰富的内容. 为了说明为什么要使用英文维基百科, 请你对比词条前束范式分别在百度百科, 中文维基百科和英文维基百科中的内容。
- stackoverflow是一个程序设计领域的问答网站, 里面除了技术性的问题(What is ":-!!" in C code?)之外, 也有一些学术性(Is there a regular expression to detect a valid regular expression?) 和一些有趣的问题(What is the “-->” operator in C++?)。
Other
本课程网站将会提供 Python 网络爬虫，Python MongoDB 基础以及 Python Web 基础的入门级教程，作为抛砖引玉的资料供大家提升视野和自我学习更多的内容，更多想学习的内容请大家自行使用 Google 搜索查到对应的内容。