一、什么是AI？ 通过学习掌握某种技能的机器。
1）AI的本质：特征提取
2）AI的分类
发展阶段：弱人工智能——强人工智能——超人工智能
智能方式：计算智能（计算器）——感知智能——认知智能
学习方式：全监督（标签与数据一致）、半监督（大量数据少量标签）、无监督
学习结果：判别模型（分类（区分人）、回归（框住人））、生成模型
技术学科：统计学（SVM、决策树、KNN等）、仿生学（神经网络、进化算法等）
应用场景：图像、语言、自然语言处理、强化学习（自动化）
学习阶段：端到端学习、非端到端学习
学术流派：连接主义（如深度学习，连起来，一层的输出当做下一层的输入）、
符号主义（图神经网络，知识图谱，边到边，点到点）、
行为主义（强化学习，如自动驾驶、下棋，做了事情给一个评价，方向盘向左打有没有问题）
二、深度学习 ——什么是深度学习（与神经网络的关系）
使用人工神经网络完成人工智能任务的学习方法。
三、神经网络简介 【深度学习|Pytorch入门深度学习（1）——初识人工智能AI】
推荐阅读
- NLP实战|NLP实战之基于seq2seq的有约束文本生成
- python|微软的文本转语音服务，已经听不出是机器了
- Pytorch入门教程|4. Pytorch入门教程——创建一个基类来构建一个基本的神经网络
- 深度学习|深度学习中的优化器原理总结（经典+前沿）
- pytorch|pytorch迁移学习载入部分权重
- Data|windows10 pytorch环境搭建
- 大数据|【毕业设计】行人口罩佩戴检测系统 - 深度学习 机器视觉
- 自动驾驶|自动驾驶架构
- java|KubeCon China 2021 阿里云专场来了！这些首日亮点不容错过