什么人工智能

这是百度百科给出的定义–
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

听到这里，是不是感觉有点懵逼。其实现在的人工智能还属于弱人工智能，有非常大的局限性，可以参考我的这一篇文章人工智能发展历程。
人工智能，深度学习，机器学习，神经网络的关系

人工智能范围最大，涵盖机器学习、深度学习和强化学习。如果把人工智能比喻成孩子大脑，那么机器学习是让孩子去掌握认知能力的过程，而深度学习是这种过程中很有效率的一种教学体系。

有人表示，人工智能是目的，是结果；深度学习、机器学习是方法，是工具。

机器学习是人工智能的一种途径或子集，它强调学习而不是计算机程序。一台机器使用复杂的算法来分析大量的数据，识别数据中的模式，并做出一个预测——不需要人在机器的软件中编写特定的指令。
机器学习之父Tom Mitchel如此定义机器学习：
每个机器学习都可以被精准地定义为：1.任务；2.训练过程；3.模型表现P。而学习过程则可以被拆解为“为了实现任务T”，我们通过训练E，逐步提高表现P的一个过程。
举个例子，让一个模型认识一张图片是猫还是狗(任务T)。为了提高模型的准确度(模型表现P)，我们不断给模型提供图片让其学习猫与狗的区别(训练过程E)。在这个学习过程中，我们所得到的最终模型就是机器学习的产物，而训练过程就是学习过程。

深度学习则是一种实现机器学习的技术，它适合处理大数据。深度学习使得机器学习能够实现众多应用，并拓展了人工智能的领域范畴。
从安防监控、自动驾驶、语音识别到生命科学等等，深度学习以“摧枯拉朽之势”席卷行业。
以语音识别为例，通过机器学习，语音识别能随着时间向用户学习，最后能达到95%的准确性。但是训练过程是密集的。
神经网络处理数十亿个口语音频，将语音识别提高到接近100%的准确度，同时还能缩短训练时间。此外，语音识别还通过关键词和主题对原始音频进行分类，并识别发言者，这对音频监控具有广泛而深远的影响。
在这里插入图片描述
为什么要学习人工智能

当下，大数据领域，人工智能利于处于新兴阶段，我国乃至全世界急需Ai人才。未来的发展必定趋于大数据和人工智能方向，就如20世纪末互联网兴起一样。发展前途光明，加上国内紧缺高级人才，使人工智能领域变得异常热门，所以薪资也居高不下。当然，我建议大家抱着一种兴趣去学习，而不是指望拿到多高的薪资。

为什么要学习人工智能

当下，大数据领域，人工智能利于处于新兴阶段，我国乃至全世界急需Ai人才。未来的发展必定趋于大数据和人工智能方向，就如20世纪末互联网兴起一样。发展前途光明，加上国内紧缺高级人才，使人工智能领域变得异常热门，所以薪资也居高不下。当然，我建议大家抱着一种兴趣去学习，而不是指望拿到多高的薪资。

故事的开始–笔者走过的路程
下面来说一说我的学习过程。

1.高等数学，线性代数（一般大一课程里面就会有，一定要学好，不然后面路途艰辛）
2.编程语言：python（需要掌握基础的语法，爬虫（用于获取数据），高级一点的操作）
3.概率论 --主要涉及一些机器学习的统计方法和知识
4.经典的机器学习算法（比较重要）
5.深度学习的底层算法原理和实现
6.学习深度学习框架
7.做竞赛，做项目
8.后期学习的建议
数学 – 高数，线代

工科的必修课程，一定要学好，不然后面很多公式根本看不懂。忘了的朋友可以参考
一定要恶补一下，很多深度学习的专家是学数学的，而不是计算机的。

python

建议有一门底层语言如C语言，c++的基础，对于编程语言和计算机有一定的了解，有利于掌握编程思想，而不是简单地用python，如果以后想做智能算法的话，**数据结构和c++**是必备的。这里我主要来讲一下python的学习过程。

小甲鱼的视频 + 0基础入门python，菜鸟教程 ，网上能找到很多资料的，请大家自行查找学习，学习人工智能的过程很漫长，希望大家保持一颗一直学习的心。

概率论

机器学习，数据挖掘的基本理论，统计学。也是本科必修的知识。对于数据处理的基础思想都涵盖在本书中。

机器学习算法

参考文章机器学习的十大算法
机器学习
深度学习是机器学习最火热的分支
十大经典算法也是必须品
让你领略机器学习的魅力

推荐 书籍：【机器学习】（西瓜书）–更偏向于理论推导
【机器学习实战】 --更偏向于代码实现
课程推荐：网易云课堂 – 吴恩达机器学习（免费），小象学院相关课程（免费）

机器学习的相关算法

深度学习

作为机器学习最火热的一个分支，在很多领域都有着广泛的应用。
梯度下降，权值更新，神经网络，过拟合…
掌握基本的概念，自己能用python代码实现一个简单的神经网络和掌握基本原理，这里就基本可以过关了
推荐书籍：花书–深度学习的“圣经”
课程推荐 ： 网易云课堂，吴恩达–深度学习工程师

深度学习框架

自己搭建神经网络实在太慢了，有没有什么框架什么的？
学到这里，你已经具备了深度学习的基本知识，马上就要开始加速啦。
它来了，它来了。。。

是不是眼花缭乱，优秀的框架实在太多了。咋们先从简单的开始吧
第一个框架建议大家学pytorch–Facebook主打的矿机，这个框架是动态图结构，实现简单，减少很多debug的时间，在学术界有着很高的声誉，一头扎进一个框架学习，会让你的代码能力和对深度学习的理解更深。

其次就是TensorFlow–谷歌公司开发的框架，在工业界用得非常广泛。这两个框架占据了深度学习框架得大半壁江山，所以一定要熟用啊。