+
+**[课程思维导图](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
+
+每节课都包含一些预习材料(上面链接标记为**Text**)和一些可执行的Jupyter Notebooks,后者通常针对特定框架(**PyTorch**或**TensorFlow**)。可执行的notebook也包含了大量理论内容,因此要理解该主题,您需要至少学习一个版本的notebooks(PyTorch或TensorFlow)。对于某些主题,还提供了**Labs**实验环节,让您有机会将所学的知识应用于特定问题。
+
+有些章节还链接了涵盖相关主题的**MS Learn**模块。Microsoft Learn提供了方便的GPU加速学习环境,尽管就内容而言,您可以预期本课程会更加深入。
+
+# 你是学生吗?
+
+从这些资源中开始:
+
+- [学生中心](https://docs.microsoft.com/learn/student-hub?WT.mc_id=academic-77998-cacaste) 在这个页面上,您可以找到面向初学者的资源、学生专属内容,甚至获取免费认证券的方式。这是一个值得收藏的页面,我们会至少每月更新新内容。
+- [Microsoft学生学习大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77998-cacaste) 加入这个全球学生大使社区,这也许是您进入Microsoft的机会。
+
+
+# 开始
+
+**学生们**,有几种方式可以使用该课程。首先,您可以直接在GitHub上阅读课文并查看代码。如果想运行任何一个notebook中的代码 - 请[阅读我们的说明](./etc/how-to-run.md),[此博文](https://soshnikov.com/education/how-to-execute-notebooks-from-github/)中也有更多建议。
+
+> **注意**: [如何在本课程中运行代码的说明](./etc/how-to-run.md)
+
+不过,如果您希望将其作为自学项目,我们建议您fork整个repo到自己的GitHub账号,独自或与小组一起完成练习:
+
+- 从一个课前小测开始。
+- 阅读该课的导论文字。
+- 如果该课有额外的notebooks,请逐一查看、阅读并执行代码。如果提供了TensorFlow和PyTorch两个版本,您可专注于一个 - 选择您喜欢的框架。
+- Notebooks中通常包含一些需要您微调代码以进行实验的挑战题。
+- 做课后小测。
+- 如果该单元有随附的实验 - 请完成作业。
+- 访问[讨论版](https://github.com/microsoft/AI-For-Beginners/discussions)"学习心得"。
+
+> 为了进一步学习,我们推荐学习以下[Microsoft Learn模块和学习](https://docs.microsoft.com/en-us/users/dmitrysoshnikov-9132/collections/31zgizg2p418yo/?WT.mc_id=academic-77998-cacaste)路径。
+
+**教师们**,我们也包含了如何使用本课程的[一些建议](/etc/for-teachers.md)。
+
+---
+
+## 制作组
+
+**✍️ 主要作者:** [Dmitry Soshnikov](http://soshnikov.com), PhD