Xiaowu/20221223 (microsoft#758)

* update

* update

* update

基础教程/A2-神经网络基本原理/README.md

@@ -56,22 +56,22 @@
 
 |网络结构名称|网络结构图|应用领域|
 |---|----|----|
-|单入<br>单出<br>一层|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/4/Setup.png"/>|一元线性回归|
-|多入<br>单出<br>一层|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/5/setup.png"/>|多元线性回归|
-|多入<br>单出<br>一层|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/6/BinaryClassifierNN.png"/>|线性二分类<br>|
-|多入<br>多出<br>一层|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/7/MultipleClassifierNN.png"/>|线性多分类<br>|
-|单入<br>单出<br>两层|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/9/nn.png"/>|一元非线性回归/拟合<br>可以拟合任意复杂函数|
-|多入<br>单出<br>两层|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/10/xor_nn.png"/>|非线性二分类|
-|多入<br>多出<br>两层|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/11/nn.png"/>|非线性多分类|
-|多入<br>多出<br>三层|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/12/nn3.png"/>|非线性多分类|
-|多层全连接网络|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/14/mnist_net.png"/>|非线性多分类|
-|带批归一化层的多层全连接网络|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/15/bn_mnist.png"/>|非线性多分类|
-|带丢弃层的多层全连接网络|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/16/dropout_net.png"/>|非线性多分类|
-|简单的卷积神经网络|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/17/conv_net.png"/>|非线性多分类|
-|复杂的卷积神经网络|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/18/mnist_net.png"/>|非线性多分类|
-|单向循环神经网络|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/19/bptt_simple.png"/>|非线性多分类|
-|双向循环神经网络|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/19/bi_rnn_net_right.png"/>|非线性多分类|
-|深度循环神经网络|<img src="https://aiedugithub4a2.blob.core.windows.net/a2-images/Images/19/deep_rnn_net.png"/>|非线性多分类|
+|单入<br>单出<br>一层|<img src="img/setup1.png"/>|一元线性回归|
+|多入<br>单出<br>一层|<img src="img/setup2.png"/>|多元线性回归|
+|多入<br>单出<br>一层|<img src="img/BinaryClassifierNN.png"/>|线性二分类<br>|
+|多入<br>多出<br>一层|<img src="img/MultipleClassifierNN.png"/>|线性多分类<br>|
+|单入<br>单出<br>两层|<img src="img/nn.png"/>|一元非线性回归/拟合<br>可以拟合任意复杂函数|
+|多入<br>单出<br>两层|<img src="img/xor_nn.png"/>|非线性二分类|
+|多入<br>多出<br>两层|<img src="img/nn11.png"/>|非线性多分类|
+|多入<br>多出<br>三层|<img src="img/nn3.png"/>|非线性多分类|
+|多层全连接网络|<img src="img/mnist_net.png"/>|非线性多分类|
+|带批归一化层的多层全连接网络|<img src="img/bn_mnist.png"/>|非线性多分类|
+|带丢弃层的多层全连接网络|<img src="img/dropout_net.png"/>|非线性多分类|
+|简单的卷积神经网络|<img src="img/conv_net.png"/>|非线性多分类|
+|复杂的卷积神经网络|<img src="img/mnist_net18.png"/>|非线性多分类|
+|单向循环神经网络|<img src="img/bptt_simple.png"/>|非线性多分类|
+|双向循环神经网络|<img src="img/bi_rnn_net_right.png"/>|非线性多分类|
+|深度循环神经网络|<img src="img/deep_rnn_net.png"/>|非线性多分类|
 
 ## 写在后面
 

基础教程/A3-神经网络高级模型（征稿）/素材积累/1.基本概率知识回顾.md

@@ -130,7 +130,7 @@ $$
 sum=1.0
 ```
 
-<img src="Images/BernoulliDist.png"/>
+<img src="img/BernoulliDist.png"/>
 
 图1 参数为0.6时取到x次白球的概率
 

基础教程/A3-神经网络高级模型（征稿）/素材积累/2.最大似然估计.md

@@ -50,7 +50,7 @@ $$
 1.0 : 0.000000
 ```
 
-<img src="Images/likelihood_berno.png"/>
+<img src="img/likelihood_berno.png"/>
 
 图1
 
@@ -129,7 +129,7 @@ $$
 
 公式8告诉我们，对于指数分布的参数 $\theta$ 的最大似然值等于 $x$ 的均值。
 
-<img src="Images/likelihood_exp.png"/>
+<img src="img/likelihood_exp.png"/>
 图2
 
 图2中，分别设置$\theta$为0.5和0.3，用公式4得到两组指数分布样本数据$X1，X2$和它们的均值X1.mean和X2.mean，如下：
@@ -197,7 +197,7 @@ $$
 2. 然后根据公式10，在[0,1]区间以0.01的步长遍历作为 $\mu$ 值，计算每个点的 $L$ 值，得到两条似然曲线；
 3. 可以看到实线曲线的最大似然值的横坐标在0.38左右，与$\mu_1$相同；虚线曲线的最大似然值的横坐标在0.57左右，与$\mu_2$相同；证明了公式13中关于$\mu_{max}$的估计是正确的。
 
-<img src="Images/likelihood_norm_mu.png"/>
+<img src="img/likelihood_norm_mu.png"/>
 
 图3
 
@@ -206,7 +206,7 @@ $$
 2. 然后根据公式10，在[0,1]区间以0.01的步长遍历作为 $\sigma^2$ 值，计算每个点的 $L$ 值，得到两条似然曲线。
 3. 可以看到实线曲线的最大似然值的横坐标在0.24左右，与$\sigma^2_1$相同；虚线曲线的最大似然值的横坐标在0.31左右，与$\sigma^2_2$相同；证明了公式13中关于$\sigma^2_{max}$的估计是正确的。
 
-<img src="Images/likelihood_norm_std.png"/>
+<img src="img/likelihood_norm_std.png"/>
 
 图4
 

基础教程/A3-神经网络高级模型（征稿）/素材积累/3.最大后验概率.md

@@ -21,7 +21,7 @@ $$
 \theta_{max}=0.7
 $$
 
-<img src="Images/likelihood_berno.png"/>
+<img src="img/likelihood_berno.png"/>
 图1
 
 意味着有10个球里最可能有7个白球和3个黑球，但是我们知道从第一个袋子里拿出10个球的最大概率是5个白球和5个黑球，也就是先验分布值为0.5，而不是0.7，这违背了人们的常识。
@@ -70,7 +70,7 @@ $$
 
 Beta分布的概率密度函数图：
 
-<img src="Images/BetaDist.png"/>
+<img src="img/BetaDist.png"/>
 图2
 
 从图中可以看到实线所代表的参数组合$\alpha=3, \beta=3$与正态分布相似，最满足作为先验分布的要求，根据公式3，最大后验概率估计为：
@@ -94,7 +94,7 @@ $$
 \theta = \frac{\alpha + 6}{\alpha+\beta+8}=\frac{3+6}{3+3+8} \approx 0.64
 $$
 
-<img src="Images/map_berno.png"/>
+<img src="img/map_berno.png"/>
 图3
 
 可以看到经过先验概率的矫正后，参数值已经从以前的最大似然估计的0.7变成了0.643，向0.5的方向靠近了一些，但是不可能达到0.5的，因为本次的采样就是7个白球3个黑球，太偏了。解决此问题的方法是多做几次试验，相当于增加采养数量，就会向真实的概率值逼近。

基础教程/A5-现代软件工程（更新中）/第1部分 软件与工程/ch01-软件与工程/1.0 软件工程.md

@@ -1,8 +1,8 @@
-<img src="Images/Slide1.JPG"/>
+<img src="img/Slide1.JPG"/>
 
 （插入一些说明性文字，重点在介绍上下文，串连）
 
-<img src="Images/Slide2.JPG"/>
+<img src="img/Slide2.JPG"/>
 
 
 

基础教程/A5-现代软件工程（更新中）/第1部分 软件与工程/ch01-软件与工程/1.1 软件工程的故事.md

@@ -8,10 +8,9 @@
 
 故事$^{[1]}$结束了......吗？刚刚开始呢！一系列“麻烦”在等待着木头。图 1.1.1 做了一个简单的“麻烦”预告。
 
-<center>
-<img src="Images/Slide3.JPG"/>
+<img src="img/Slide3.JPG"/>
+
 图 1.1.1 木头遇到的麻烦
-</center>
 
 ### 1.1.1 麻烦一：如何运行
 

基础教程/A5-现代软件工程（更新中）/第1部分 软件与工程/ch01-软件与工程/1.2 故事分析.md

@@ -4,10 +4,9 @@
 
 我们来分析一下故事的发展脉络，最终用公式的形式体现在图 1.2.1 中。
 
-<center>
-<img src="Images/Slide4.JPG"/>
+<img src="img/Slide4.JPG"/>
+
 图 1.2.1 故事分析
-</center>
 
 ### 1.2.1 编写程序/代码（Program/Code）
 
@@ -110,6 +109,7 @@ $$
 这样的话，木头就可以开一个软件服务公司了，名字已经想好了，叫做 WoodySoft，很洋气，哈哈。
 
 
-<img src="Images/Slide5.JPG"/>
-图 1.2.2 
+<img src="img/Slide5.JPG"/>
+
+图 1.2.2 软件解决方案
 

基础教程/A5-现代软件工程（更新中）/第1部分 软件与工程/ch01-软件与工程/1.3 什么是软件工程.md

@@ -12,10 +12,9 @@
 
 ### 1.3.2 阶段任务（生存期 life cycle）
 
-<center>
-<img src="Images/Slide6.JPG"/>
+<img src="img/Slide6.JPG"/>
+
 图 1.3.1 软件工程包含的阶段任务
-</center>
 
 在一个大型的软件产品项目中，软件工程包括图 1.3.1 所示的这些分阶段的任务：
 
@@ -57,7 +56,9 @@
 
 ### 1.3.3 软件工程的基本目标
 
-<img src="Images/Slide7.JPG"/>
+<img src="img/Slide7.JPG"/>
+
+图 1.3.2 软件工程的基本目标
 
 - 功能达标
 
@@ -89,6 +90,8 @@
 
 我们用一张表简单地说明一下$^{[2]}$：
 
+表 1.3.1 软件工程简史
+
 |年代|关键词|事件|
 |---|---|---|
 |1945~1965|初创|软件工程被提出并命名|
@@ -130,6 +133,8 @@
 
 造成误解的原因是，在我国大学教育体系的本科生培养层次，与计算机相关的专业有：软件工程、计算机科学、物联网工程、信息安全、数字媒体技术等专业，为了面向职业发展而把这几者混淆在了一起。其中，“理论计算科学”和“计算机系统”两个大类，是为了培养硕士或博士打基础，搞理论研究；“计算机应用”可以有硕士和博士；“软件工程”最高到工学硕士，没有博士，毕业后“进化为”程序员（程序猿）或工程师（攻城狮）。每当看到括号中的两个名词，笔者就会拿起哑铃撸撸铁，感觉特别孔武有力，威猛雄壮。
 
+表 1.3.2 计算机科学与软件工程学的比较
+
 ||计算机科学|软件工程|
 |---|---|---|
 |本科生|理学或工学学士|工学学士|
@@ -139,11 +144,11 @@
 |策略|效果影响力优先|成本与效果的折中|
 |成果|论文|项目、产品|
 
-简单的说，计算机科学是科学家、研究员们，发现规律、研究理论，并试图从根本上把规律理论化、公式化，不太在意成本，只在意效果。在图 1.3.2 中展示了计算机科学与软件工程之间的衔接关系。
+简单的说，计算机科学是科学家、研究员们，发现规律、研究理论，并试图从根本上把规律理论化、公式化，不太在意成本，只在意效果。在图 1.3.3 中展示了计算机科学与软件工程之间的衔接关系。
+
+
+<img src="img/Slide8.JPG"/>
 
-<center>
-<img src="Images/Slide8.JPG"/>
-图 1.3.2 计算机科学与软件工程的关系
-</center>
+图 1.3.3 计算机科学与软件工程的关系
 
 软件工程发展了这么多年，早已经形成了一套科学的、成熟的方法做理论指导，当然可以算作计算机科学的一部分。工程师和程序员们，侧重于用成熟的方法解决实际问题，要在成本和效果二者之间做折中考虑。

基础教程/A5-现代软件工程（更新中）/第1部分 软件与工程/ch01-软件与工程/1.4 软件工程领域知识.md

@@ -4,10 +4,9 @@
 
 我们在这一节中并不展开讲解，只是罗列一下知识领域（Knowledge Area），让大家可以粗略地认识到软件工程的复杂性，便于做好学习本书的充分准备。具体细节会渗透在后面的每一章节中。
 
-<center>
-<img src="Images/Slide9.JPG"/>
+<img src="img/Slide9.JPG"/>
+
 图 1.4.1 软件工程知识领域
-</center>
 
 图 1.4.1 列出了 15 个知识领域及其分类，详细说明在表 1.4.1 中。
 

基础教程/A5-现代软件工程（更新中）/第1部分 软件与工程/ch01-软件与工程/1.5 软件工程在微软.md

@@ -4,10 +4,10 @@
 
 微软（Microsoft）是以提供软件为主要盈利手段的公司。描述像微软这样的软件公司的软件开发模式也可以使用几个公式。
 
-<center>
-<img src="Images/Slide10.JPG"/>
+<img src="img/Slide10.JPG"/>
+
 图 1.5.1 微软的软件工程的组成要素（公式）
-</center>
+
 
 #### 程序
 
@@ -77,19 +77,19 @@ $$
 微软 = 软件产品 + 商业模式 \tag{1.15}
 $$
 
-<center>
-<img src="Images/Slide11.JPG"/>
+
+<img src="img/Slide11.JPG"/>
+
 图 1.5.2 微软的软件工程组成要素（树状图）
-</center>
+
 
 ### 1.5.2 商业模式
 
 商业模式不是本书的讨论范围，但是有三个概念要简单说一下：产品、项目、服务。
 
-<center>
-<img src="Images/Slide12.JPG"/>
+<img src="img/Slide12.JPG"/>
+
 图 1.5.3 软件商业模式
-</center>
 
 
 先来看看这三者的区别。

基础教程/A5-现代软件工程（更新中）/第2部分 个人与团队/ch02-个人能力/2.0 个人能力.md

@@ -4,11 +4,11 @@ windows phone
 uwp
 boss
 
-<img src="Images/Slide1.JPG"/>
+<img src="img/Slide1.JPG"/>
 
 （插入一些说明性文字，重点在介绍上下文，串连）
 
-<img src="Images/Slide2.JPG"/>
+<img src="img/Slide2.JPG"/>
 
 
 

基础教程/A5-现代软件工程（更新中）/第2部分 个人与团队/ch02-个人能力/2.2 故事分析.md

@@ -10,7 +10,7 @@
 
 故事就写到这里吧，下面总结一下微软这样的公司需要什么样的人做 SDE。
 
-<img src="Images/Slide3.JPG"/>
+<img src="img/Slide3.JPG"/>
 
 ### 2.2.1 技能点是否符合 JD 要求
 

基础教程/A5-现代软件工程（更新中）/第2部分 个人与团队/ch02-个人能力/2.3 算法与编码能力.md

@@ -2,11 +2,9 @@
 
 在木头的面试中，有过这样一道题，如图 2.3.1 所示。
 
-<center>
-<img src="Images/Slide4.JPG"/>
+<img src="img/Slide4.JPG"/>
 
 图 2.3.1 算法与代码能力
-</center> 
 
 有一个 [0-100] 的数组，在随机位置无回放地从 1-100 共 100 之间取一个数填入，还富余出一个空位，随机填入 1-100 之间的任意一个数。求重复的数字是什么？至少用 5 种方法写出代码求解。
 
@@ -111,11 +109,9 @@ def method_3_sort(data):
 4. 从位置 1 取出数字 5，放到位置 5；
 5. 从位置 5 取出数字 1，放到位置 1，但发现位置 1 上已经是 1 了，是重复数字。
 
-<center>
-<img src="Images/Slide5.JPG"/>
+<img src="img/Slide5.JPG"/>
 
 图 2.3.2 追溯法
-</center> 
 
 这种解法是利用了本题的特点：数据和数组序号可以一一对应。
 

基础教程/A5-现代软件工程（更新中）/第2部分 个人与团队/ch02-个人能力/2.4 建模与设计能力.md

@@ -1,10 +1,8 @@
 ## 2.4 建模与设计能力
 
-<center>
-<img src="Images/Slide6.JPG"/>
+<img src="img/Slide6.JPG"/>
 
 图 2.4.1 建模
-</center> 
 
 ### 2.4.1 建模题
 
@@ -212,11 +210,9 @@ class RibukCube():
 
 这个问题需要有一定的系统设计能力了
 
-<center>
-<img src="Images/Slide7.JPG"/>
+<img src="img/Slide7.JPG"/>
 
 图 2.4.2 股票预测系统设计
-</center> 
 
 由于是每个交易日都要进行这样的操作，所以全自动化流程是很有必要的。