+
+**[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（链接为上面的**文本**）和一些可执行的 Jupyter 笔记本，这些笔记本通常是针对特定框架（**PyTorch** 或 **TensorFlow**）的。可执行笔记本还包含大量理论材料，因此要了解相关主题，至少需要阅读一个版本的笔记本（PyTorch 或 TensorFlow）。某些主题还有**实验室**，让您有机会尝试将所学材料应用于特定问题。
+某些部分还包含指向**MS Learn**模块的链接，这些模块涵盖了相关主题。Microsoft Learn 提供了一个方便的支持 GPU 的学习环境，不过在内容方面，您可以期待该课程更深入一些。
+
+# 你是学生吗?
+
+从以下资源开始：
+
+- [学生中心页面](https://docs.microsoft.com/learn/student-hub?WT.mc_id=academic-77998-cacaste)在本页中，您将找到初学者资源、学生包，甚至获得免费证书券的方法。由于我们至少每月更换一次内容，因此您需要将此页加入书签并不时查看。
+- [微软学生学习大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77998-cacaste) 加入全球学生大使社区，这可能是你进入微软的途径。
+
+# 开始吧
+**学生**，有几种使用课程的方法。首先，你可以直接在 GitHub 上阅读文本和查看代码。如果你想运行任何笔记本中的代码--[阅读我们的说明](./etc/how-to-run.md)，并在[本博文](https://soshnikov.com/education/how-to-execute-notebooks-from-github/)中找到更多关于如何运行的建议。
+
+> **注意**： [关于如何运行本课程代码的说明](./etc/how-to-run.md)
+
+不过，如果您想将本课程作为自学项目，我们建议您将整个 repo fork 到自己的 GitHub 账户，然后自己或与小组一起完成练习：
+
+- 从课前测验开始。
+- 阅读讲座的介绍性文字。
+- 如果讲座有额外的笔记本，请阅读并执行代码。如果同时提供了 TensorFlow 和 PyTorch 笔记本，你可以专注于其中一个--选择你最喜欢的框架。
+- 笔记本通常包含一些挑战，需要你稍微调整代码进行实验。
+- 参加课后测验。
+- 如果模块附有实验--完成作业。
+- 访问[讨论区](https://github.com/microsoft/AI-For-Beginners/discussions)，"大声学习"。
+
+
+> 如需进一步学习，我们建议您遵循以下 [Microsoft Learn](https://docs.microsoft.com/en-us/users/dmitrysoshnikov-9132/collections/31zgizg2p418yo/?WT.mc_id=academic-77998-cacaste) 模块和学习路径。
+**教师**，我们[包含了一些建议](/etc/for-teachers.md)，介绍了如何使用本课程。
+
+---
+
+## 荣誉
+
+**✍主要作者:** [Dmitry Soshnikov](http://soshnikov.com), PhD