概述
本文讲解人工智能、机器学习、深度学习的关系
人工智能
- 1956年有一群科学家提出
- 是一个宽泛的概念
- 目的是让计算机像人一样思考
- 发展比较缓慢
人工智能分支
- 机器学习
- 进化计算
- 计算机视觉
- 自然语言处理
- 推荐系统
机器学习
计算机通过对 数据（或叫训练数据）的分析，总结归纳出潜在 规律，并利用规律进行 预测
- 是人工智能的一个分支
- 也是解决人工智能问题中的一个重要方法
识别猫
需要人工提取猫的特征
特征
- 椭圆形头
- 三角耳朵
- 圆眼睛
缺点
无法识别 特征以外的猫
典型应用
- 信贷风控
- 企业利润预测
深度学习
与机器学习的关系：
- 机器学习的一个分支
- 算法更强大
2012年后开始大爆发：
- 新算法：从数据中自动抽取特征，并将简单特征组合成复杂特征，使用这些组合特征解决问题
- 大数据，新算法需要大量数据进行训练
- GPU（显卡处理器）的使用，让新算法更快计算
识别猫
准备大量猫的图片，自动抽取特征完成学习，更准确的识别猫
典型应用
- 计算机视觉（CV）
- 自然语言处理（NLP）
- 语音识别
- 无人驾驶
- 。。。
机器学习 VS 深度学习
| 机器学习 | 深度学习 | |
|---|---|---|
| 算法 | 传统算法（回归、分类、聚类、简单神经网络） | 深度神经网络（卷积神经网络、循环神经网络） |
| 应用场景 | 信贷风控、企业利润预测 | 图像理解、语音识别等 |
| 技术框架 | sklearn等 | tensorflow、pytorch等 |
数学相关知识
- 概率论 实现AI系统的推理
- 概率论 和 统计学 从理论上分析AI系统的行为
- 微积分
- 矩阵运算、求导。。。
为什么是python
- 简单易学
- 有大量数学库（numpy/pandas/scipy/matplotlib）
- 在很多行业做数据分析，如科研、金融等
- 目前主流深度学习框架只开放python接口