AI-Practices：机器学习与深度学习实战教程

请帮我把「AI-Practices：机器学习与深度学习实战教程」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://github.com/zimingttkx/AI-Practices
我的系统：Windows。如果实际不符，先调整方案。
本次路线：Windows：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：各模块目录中的 Notebook 可先抄跑再改写；README 提到 09-practical-projects 含 Kaggle 竞赛与跨模块集成系统，可作为综合练习，运行时注意本地算力是否足够。
课节（官方顺序）：
1. 01-foundations｜机器学习基础：https://github.com/zimingttkx/AI-Practices/tree/main/01-foundations
2. 02-neural-networks｜神经网络：https://github.com/zimingttkx/AI-Practices/tree/main/02-neural-networks
3. 03-computer-vision｜计算机视觉：https://github.com/zimingttkx/AI-Practices/tree/main/03-computer-vision
4. 04-sequence-models｜序列模型：https://github.com/zimingttkx/AI-Practices/tree/main/04-sequence-models
5. 05-advanced-topics｜高级专题：https://github.com/zimingttkx/AI-Practices/tree/main/05-advanced-topics
6. 06-generative-models｜生成模型：https://github.com/zimingttkx/AI-Practices/tree/main/06-generative-models
7. 07-reinforcement-learning｜强化学习：https://github.com/zimingttkx/AI-Practices/tree/main/07-reinforcement-learning
8. 08-theory-notes｜理论笔记：https://github.com/zimingttkx/AI-Practices/tree/main/08-theory-notes
9. 09-practical-projects｜实战项目：https://github.com/zimingttkx/AI-Practices/tree/main/09-practical-projects
10. 10-large-language-models｜大语言模型：https://github.com/zimingttkx/AI-Practices/tree/main/10-large-language-models
11. 11-multimodal-learning｜多模态学习：https://github.com/zimingttkx/AI-Practices/tree/main/11-multimodal-learning
12. 12-deployment-optimization｜部署优化：https://github.com/zimingttkx/AI-Practices/tree/main/12-deployment-optimization
13. 13-distributed-training｜分布式训练：https://github.com/zimingttkx/AI-Practices/tree/main/13-distributed-training
14. 14-agents-reasoning｜智能体系统：https://github.com/zimingttkx/AI-Practices/tree/main/14-agents-reasoning

1. 环境
- Python 3.x
- Jupyter Notebook
- 仓库含 requirements.txt、environment.yml、Dockerfile（具体用法见仓库文档，节选未提供正文）
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://github.com/zimingttkx/AI-Practices
3. 目录（最外层放在我确认的位置）
ai-practices-tutorial/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.ps1     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-01-01-foundations/
    ├── 02-02-02-neural-networks/
    ├── 03-03-03-computer-vision/
    ├── 04-04-04-sequence-models/
    ├── 05-05-05-advanced-topics/
    ├── 06-06-06-generative-models/
    ├── 07-07-07-reinforcement-learning/
    ├── 08-08-08-theory-notes/
    ├── 09-09-09-practical-projects/
    ├── 10-10-10-large-language-models/
    ├── 11-11-11-multimodal-learning/
    ├── 12-12-12-deployment-optimization/
    ├── 13-13-13-distributed-training/
    └── 14-14-14-agents-reasoning/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.ps1，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令，不使用 Bash 语法。
  - ls AI-Practices  → 能看到 01-foundations、10-large-language-models 等模块目录
  - jupyter notebook --version  → 输出 Jupyter 版本号，可正常启动
  - 打开 01-foundations 目录下的 Notebook 并运行第一个单元格  → Notebook 可正常加载，未见缺失依赖报错
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。