add and modify readme files (microsoft#475)

A-基础教程/README.md

@@ -0,0 +1,54 @@
+# A-基础教程
+
+此模块是人工智能学习的理论教程集合，包括课程详解和代码示例，帮助学习者从入门到精通神经网络的原理，并通过一系列代码实践讲原理应用于实际问题的解决。
+
+## 内容
+
+### PythonBasic（Python基础)
+
+1. 先修课程
+
+   无
+
+2. 教程内容
+
+    包括相关数学原理的介绍和python语言的介绍，以及示例演示。帮助学习者夯实基础，为神经网络原理的学习打下基础。
+
+
+### 神经网络简明原理
+
+1. 先修课程
+
+    PythonBasic
+
+2. 教程内容
+
+    神经网络简明原理教程，也称 **9步学习法**，从神经网络基础结构开始，由浅入深，帮助学习者学习并掌握神经网络的核心内容，并在工程实践中实际应用。
+
+    9步学习法的流程：
+
+    基础知识 -> 线性回归 -> 线性分类 -> 非线性回归 -> 非线性分类 -> 模型推理 -> 深度神经网路 -> 卷积神经网络 -> 循环神经网络
+
+### 适用人群
+
+  - 没有各种基础想学习却无从下手哀声叹气的玩家
+
+  - 深度学习小白，有直观的人工智能的认识，强烈的学习欲望和需求
+
+  - 调参师，训练过模型，调过参数，想了解框架内各层运算过程
+
+  - 超级高手，提出您宝贵的意见，给广大初学者指出一条明路！
+
+总而言之，只要是对本教程感兴趣的，欢迎大家参观学习！
+
+### 反馈与贡献
+
+1. 反馈
+
+    如果您对本模块内容有任何反馈，欢迎在 GitHub [Issues](https://github.com/microsoft/ai-edu/issues) 模块中留言，我们会积极了解您的反馈，并尽量满足您的要求。
+
+2. 贡献
+
+    如果您想向本模块提供任何有价值的教程内容，请 fork 本仓库到您自己的账号，编辑内容并提交 Pull Request，我们会及时审阅并处理。
+
+    欢迎向本模块贡献有价值的内容。

B-实践案例/README.md

@@ -1,9 +1,68 @@
-# 此模块是B:教学案例与实践
-- 内容：包含微软及共建者开源分享的人工智能案例资源，包含案例、源代码、文档、教学视频等。
-- 适用人群：
-   - 有意开设人工智能课程的教师：
-     - 可以从此模块选取相应的案例进行教学。
-     - 可以贡献原创的教学案例及学生作业案例。
-   - 有意进行人工智能应用开发的学习者
-     - 可以从此模块选取相应的案例进行学习。
-     - 可以贡献原创的开发案例，也可以基于已有的案例提供不同的解决方案。
+# 案例实践
+
+
+以“做中学“的理念为核心，从人工智能真实的应用场景与案例出发，先讲生动的案例，配合详实的实际操作说明，然后在动手实现场景的基础上，逐步引入人工智能学习中的相关理论知识，以递进学习的新颖方式层层剖析人工智能开发的主流场景，让大家在不需要大量时间学习庞大的理论基础的情况下，也可以真正动手开始进行人工智能应用的开发，提高实际动手的能力.
+
+**<font size=3>1 初级实战案例</font>**
+
+- 适用人群：AI小白，想简单认识AI，简单了解人工智能应用开发过程，或者想快速利用成熟的人工智能API给自己开发的应用添加人工智能元素。非计算机专业的学生也可以适用。
+- 内容：基础人工智能案例资源，覆盖计算机视觉，自然语言处理，语音识别等领域。
+- 先修知识：了解C#基本语法。[点击这里查看参考资料](./先修知识参考阅读.md#C#)
+- 学习时长：10~16 小时
+- 学习目标：认识AI,初步了解AI应用开发过程，通过人工智能API使用已有模型，开发人工智能应用。
+
+**初级实战案例学习路径参考**
+
+序号|内容|知识点|备注
+:--:|-----------|-----------|:---:
+1|[概论：人工智能与信息社会](../E-课程集锦/北京大学微软亚洲研究院人工智能与信息社会大纲（MOOC）-北大陈斌.md)|人工智能技术的基本概念、发展历史、经典算法、应用领域和对人类社会的深远影响，展示信息社会各领域中人工智能的应用发展前景，人工智能的入门基础。 |可选
+2|[人工智能道德与伦理](./B12-人工智能道德与伦理/7_AI_Ethics.md)|人工智能道德与伦理面临的挑战，AI从业者如何正确处理AI伦理与道德的问题|必选
+3|[数学基础](https://github.com/microsoft/ai-edu/tree/master/A-基础教程/A1-PythonBasic/math_intro)|代数基础，微积分基础，线性代数基础，概率统计基础|可选
+4|[Python语言导论](https://github.com/microsoft/ai-edu/tree/master/A-基础教程/A1-PythonBasic/py_intro)|编程环境介绍，变量和数据类型，函数和库，Numpy，绘图|可选
+5|[计算机视觉初级案例-漫画翻译](./B1-预构建－OCR应用案例－漫画翻译/README.md)|数据预处理，小型客户端软件的界面设计与实现，商业应用软件的架构设计，REST API ，OCR应用开发|必选
+6|[计算机视觉初级案例-视频标签提取](./东北大学视频见解应用案例之视频标签提取/README.md)|利用 Video Indexer API，针对视频影像内容进行分析，提取见解和信息|必选
+7|[计算机视觉初级案例-看图识熊](./B3-定制化－图像识别应用案例－看图识熊/README.md)|数据标记,数据预处理,离线模型推理应用,基于定制化视觉服务的应用开发|必选
+8|[自然语言理解初级案例-问答机器人](./B2-定制化－文字理解应用案例-问答系统和对话机器人服务/README.md)|微软认知服务中知识库服务（QnA maker）的申请与搭建;使用REST API访问知识库数据；机器人服务（Bot Service）的申请与搭建；集体成知识库服务与机器人服务|必选
+9|[自然语言理解初级案例-智能家居](./B4-定制化－语言理解应用案例－智能家居/README.md)|数据标记；数据预处理；在线定制语言理解服务；智能家居应用开发|必选
+10|[语音识别初级案例-智能听书](./B6-定制化%20-%20语音服务应用案例%20-%20文本朗读应用/README.md)|TTS API的申请和使用；TTS应用的构建；智能听书功能实现|必选
+11|[扩展阅读-搭建中间服务层](./B5-扩展阅读-搭建中间服务层/README.md)|商业应用软件的架构设计|可选
+
+本部分内容也可以结合 **2.1 神经网络初探** 的理论知识完成理论加实践的AI入门学习
+
+**<font size=3>2 中级实战案例 </font>**
+
+- 适用人群：具有人工智能一定理论基础/编程经验的的学生、程序员。有一定的AI 入门知识，想进一步理解AI，并真正可以动手开发人工智能应用。
+- 内容：基础人工智能案例资源，覆盖计算机视觉，自然语言处理，语音识别等领域。
+- 先修知识：Python;CNN;RNN;主流深度学习框架[点击这里查看参考资料](./先修知识参考阅读.md#Python)
+- 学习时长：20~30小时
+- 学习目标：理解AI,学会基于常用工具、主流Framework 搭建AI模型，开发人工智能应用。
+
+**中级实战案例学习路径参考**
+
+序号|内容|知识点|备注
+:--:|-----------|-----------|:---:
+1|[计算机视觉中级案例-手写算式计算器](./B9-自构建－图像识别应用案例-手写算式计算器/README.md)| TensorFlow模型到 .Net Framework应用环境的快速集成；基于本地MNIST模型的手写数字识别应用开发|必选
+2|[自然语言理解中级案例-智能对联](./B13-AI对联生成案例/README.md)|数据预处理；机器翻译编码-解码过程剖析；模型训练与调参；模型推理；在线服务的搭建；基于微信的AI小程序开发）|必选
+3|[游戏AI/强化学习中级案例-黄金点](./B8-自构建－AI游戏开发案例－黄金点游戏/README.md)|游戏AI策略；多个游戏AI比赛的实现|可选
+4|[中级案例-预测股票走势](./B11-量化交易案例/README.md)|量化交易的经典过程；股价预测的建模理念；特征工程的一般方法；梯度提升决策树模块（lightbgm）的使用方法；深度学习神经网络框架（Keras）的使用 |必选
+5|[中级案例-生成对抗网络GAN](./B15-生成对抗网络/README.md)|GAN简介；动手实现并训练生成对抗网络 |必选
+6|[计算机视觉中级案例-图像超分辨率](https://github.com/microsoft/ai-edu/tree/master/B-实践案例/复旦大学城市声音分类-图像超分辨率)|数据预处理；使用GAN、CNN和ResNet的组合构建超分辨率模型|必选
+7|[中级案例-智慧城市之声音分类](https://github.com/microsoft/ai-edu/tree/master/B-实践案例/复旦大学城市声音分类-图像超分辨率)|数据分析；特征工程；TensorFlow 框架下构建多种深度学习模型（多层感知机、LSTM、GRU 和 CNN 等） |必选
+8|[扩展阅读-机器学习平台建设](./B10-扩展阅读－机器学习平台建设/readme.md)|机器学习平台的架构；机器学习平台的功能；微软开源机器学习平台OpenPAI |可选
+
+本部分内容也可以结合 **2.2 神经网络进阶** 以及**2.3 深度网络基础** 的理论知识完成理论加实践的AI进阶学习
+
+**<font size=3>3 高级实战案例</font>**
+- 适用人群：已经深刻理解AI原理，想通过学习或者共建微软亚洲研究院的开源案例/项目，进行AI领域前沿性研究。
+- 内容：微软亚洲研究院前沿性研究的开源项目/案例。
+- 学习目标：进行AI领域前沿性研究。
+
+**高级实战案例学习路径参考**
+
+序号|内容|知识点
+:--:|-----------|-----------
+1|[高级实战案例-基于深度学习的代码搜索案例](./B14-基于深度学习的代码搜索案例/README.md)|理解自然语言并按要求产生可用的代码
+2|[高级实战项目-NNI (Neural Network Intelligence)](https://github.com/Microsoft/nni)|微软开源的自动机器学习工具;调参器算法的实现，评估器算法的实现
+3|[高级实战项目-Open Platform for AI (OpenPAI)](https://github.com/Microsoft/pai)|微软开源GPU管理利器
+4|[高级实战项目-LightGBM](https://github.com/Microsoft/LightGBM)|boosting框架
+5|[高级实战项目-基于近邻图的向量搜索案例](./B16-基于近邻图的向量搜索案例/README.md)|在大规模向量中快速搜索最近邻

B-实践案例/README_old.md

@@ -0,0 +1,9 @@
+# 此模块是B:实践案例
+- 内容：包含微软及共建者开源分享的人工智能案例资源，包含案例、源代码、文档、教学视频等。
+- 适用人群：
+   - 有意开设人工智能课程的教师：
+     - 可以从此模块选取相应的案例进行教学。
+     - 可以贡献原创的教学案例及学生作业案例。
+   - 有意进行人工智能应用开发的学习者
+     - 可以从此模块选取相应的案例进行学习。
+     - 可以贡献原创的开发案例，也可以基于已有的案例提供不同的解决方案。

E-课程集锦/README.md

@@ -1,4 +1,4 @@
-# 此模块是A：教学课程
+# 此模块是E:课程集锦
 - 内容：包含微软及多个高校开源分享的人工智能教学大纲，课件。
 - 适用人群：
   - 有意开设高校人工智能课程的老师：