机器学习零基础入门（第一篇）

本篇是入门人工智能的逐步简介，包括一些涉及到相关名词的解释和介绍，以及一些相关软件或库的安装教程。
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。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等。应用场景则更加广泛，如机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，博弈，自动程序设计，智能控制，语言和图像理解等。
而提到人工智能，自然会想到三个名词，机机器学习、深度学习和神经网络，三者都是人工智能的子领域。 但是，深度学习实际上是机器学习的一个子领域，而神经网络则是深度学习的一个子领域。深度学习和机器学习的不同之处在于每个算法如何学习。 深度学习可以自动执行过程中的大部分特征提取，消除某些必需的人工干预，并能够使用更大的数据集。 可将深度学习视为“可扩展的机器学习”， 常规的机器学习，或叫做“非深度”机器学习，更依赖于人工干预进行学习。 人类专家确定一组特征，以了解数据输入之间的差异，通常需要更为结构化的数据以进行学习。

神经网络也称为人工神经网络 (ANN)，由节点层组成，包含一个输入层、一个或多个隐藏层和一个输出层。 每个节点也称为一个人工神经元，它们连接到另一个节点，具有相关的权重和阈值。 如果任何单个节点的输出高于指定的阈值，那么该节点将被激活，并将数据发送到网络的下一层。 否则，不会将数据传递到网络的下一层。 深度学习中的“深度”指的只是神经网络中层的深度。 由三层以上组成的神经网络（包含输入和输出）可视为深度学习算法或深度神经网络。 只有两层或三层的神经网络只是基本神经网络。深度学习和神经网络目前的成就，主要归功于计算机视觉、自然语言处理和语音识别等领域的突飞猛进。