华沙理工大学神经网络课程实践：六个迷你项目带你深入理解AI核心

华沙理工大学SSNE（人工神经网络）课程的六个迷你项目开源仓库，由hbiegacz维护，涵盖从基础感知机到卷积、循环神经网络及优化技术的完整学习路径，为深度学习初学者提供系统化动手实践指南。

华沙理工大学是波兰顶尖理工科大学，其SSNE课程采用"理论+实践"双轨模式。学习目标不仅是掌握神经网络基本概念，更注重培养实践能力，每个项目针对特定主题，引导学生深入理解AI核心机制。

仓库包含六个项目：

1. 神经网络基础与感知机：实现二分类器，理解权重更新与梯度下降；
2. 多层前馈网络与反向传播：亲手实现反向传播算法；
3. 卷积神经网络入门：学习卷积层、池化层原理；
4. 循环神经网络与序列建模：探索RNN及其变体处理时序数据；
5. 正则化与优化技术：实现Dropout、批归一化及多种优化器；
6. 实验材料与补充资源：提供数据集、参考论文等辅助材料。

课程项目设计体现最佳实践：

• 渐进式难度曲线：避免知识断层；
• 动手优先：每个概念配可运行代码；
• 覆盖核心范式：前馈、卷积、循环网络及训练优化技术。

开源仓库为无法选课的爱好者提供结构化自学路径，代码采用Python和主流框架（PyTorch/TensorFlow），完成项目后具备独立设计训练神经网络模型的能力，为复杂AI项目或研究做准备。

这套课程项目展示优质AI教育核心要素：清晰结构、循序渐进、充足实践。适合计算机学生、转行开发者及AI自学者，跟随项目能找到学习节奏，真正的理解来自亲手构建。