Artificial-Intelligence-Deep-Learning-Machine-Learning-Tutorials

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

• Git（用于克隆仓库）
• 本地 Jupyter 环境；也可改用 Google Colab、Kaggle、Binder 或 GitHub Codespaces 免装环境
• 可联网（课程首格会下载并安装依赖）
• Python 解释器（项目语言为 Python；部分课程为 C/C++ 练习）

安装与启动步骤

1. 1克隆教程仓库

   把整个教程仓库复制到本地，之后所有课程 notebook 都在这个目录里。

   git clone https://github.com/TarrySingh/Artificial-Intelligence-Deep-Learning-Machine-Learning-Tutorials.git

   复制

2. 2进入仓库目录

   切换到刚克隆下来的目录，后续启动 Jupyter 需在此目录下进行。

   cd Artificial-Intelligence-Deep-Learning-Machine-Learning-Tutorials

   复制

3. 3挑选课程目录

   按"Where to start"表格选课，例如 AI 法案合规课程在 programmes/ai-act-conformity/ 下，进去找第一课。

4. 4启动 Jupyter

   在本机启动 Jupyter Notebook，浏览器打开后进入对应课程文件夹选择 notebook 文件。若无本地环境，改用 Colab/Kaggle/Binder/Codespaces 打开同一个 notebook。

   jupyter notebook

   复制

5. 5运行首个单元格

   先执行 notebook 的第一个单元格，它会自动安装本课依赖并使用课程实测过的版本；已存在的包不会重复安装。

6. 6做练习并看自动评分

   填写练习代码后运行，评分单元会立刻检查结果并给出反馈；提示默认隐藏，需要时才展开。

如何确认成功

能打开课程 notebook，且第一个单元格成功执行完成依赖安装，练习单元格运行后返回自动评分结果。

常见问题

注意事项

• 课程是可动手的 notebook，不是阅读材料，需要自己填写练习才能获得反馈。
• 依赖版本由课程首格固定，不要自行升级或替换，以免评分或结果对不上。
• 完整解答与官方成绩需要后续在 Synapsa 免费报名（即将开放），仓库内不直接提供。
• 仓库还包含欧盟 AI 法案合规、模型验证等治理内容，涉及真实工程与合规场景。