AI-人工智能初识,跟上时代的步伐也要走在未来的路上

（记录及总结 >>>网络相关视频及资料.....）

先来了解人工智能的定义:

    构建智能机器，特别是智能计算机程序的科学和工程；人工智能是一种让计算机程序能够“智能地”思考的方式；思考的模式类似于人类...
    智能：自主能力，自我意识 ...

人工智能三个时代：运算智能、感知智能、认知智能
    感知：图像识别、语音识别、触觉识别

人工智能的需求：
    1、提高品质
    2、增加效率
    3、解决难题
    .....

需要的数学知识：
    1、微积分
    2、线性代数
    3、统计学
    .....

人工智能的知识关联：
    数据挖掘、知识发现、统计学、数据库、
    模式识别、机器学习、深度学习、神经网络...

AI、ML、DL之间的关系：
    机器学习是实现人工智能的一种方法，深度学习是机器学习的一个分支。（相当于包含关系: 深度学习<机器学习<人工智能）

=========

机器学习（Machine Learning）

`机器学习`中的`学习`指通过某个过程来达到质的改善

机器学习的必要：
    -很多无法用人工编程来实现
    -人会犯错，机器不容易犯错
    -机器的计算能力越来越强

权威定义：
    -对某类任务T(Task)和性能度量P(Performance)
    -通过经验E(Experience)改进后
    -在任务T上由性能度量P衡量的性能有所提升

简单定义：
    用数据来解决问题
    数据--训练
    解答问题--推测

机器学习大致等同于找一个好的函数/模型（Y = f(x))

机器学习的分类：
    -监督学习    --有标签
    -非监督学习    --无标签
    -半监督学习    --有少部分标签，最类似人的生活
    -强化学习    --基于环境而行动，以取得最大化预期利益

机器学习的六步：
    收集数据 >准备数据 >选择/建立模型 >训练模型 >测试模型 >调节参数

    关键三步：
        找一系列函数来实现预期的功能：建模问题
        找一组合理的评价标准，来评估函数的 好坏：评价问题
        快速找到性能最佳的函数：优化问题（比如梯度下降就是这个目的）

=========

什么是深度学习？

基于深度神经网络的学习研究。

其中`深度`指输入到输出之间的过程，若此过程中隐藏层大于2则可称之为深度。
`深度`的关键在于：
    1、数据量
    2、计算力

深度学习的三个阶段：
    输入层。不同的参数设置
    隐藏层。调整 参数权重
    输出层。输出结果与预期比较