人工智慧知識體系
1、數學基礎
微積分線性代數
概率統計
資訊理論集合論和圖論
博弈論2、技術基礎
計算機原理
程式語言
作業系統
分布式系統
演算法基礎
3、機器學習演算法
機器學習基礎：估計方法、特徵工程
線性模型：線性回歸
邏輯回歸
決策樹模型：gbdt
支援向量機
貝葉斯分類器
神經網路——深度學習：mlp、cnn、rnn（lstm）、gan
聚類演算法：k均值演算法
4、機器學習分類
監督學習：分類任務、回歸任務
無監督學習：聚類任務
遷移學習
強化學習
5、問題領域
語言識別
字元識別：手寫識別
機器視覺
自然語言處理：機器翻譯
自然語言理解
知識推理
自動控制
遊戲理論和人機對弈：象棋、圍棋、德州撲克、星際爭霸
資料探勘
6、機器學習架構
加速晶元：cpu、gpu、fpga、asic（tpu）
虛擬化：容器（decker）
分布式結構：spark
庫和計算框架：tensorflow、scikt-learn、caffe、mxnet、theano、torch、microsoftcntk
7、視覺化解決方案
8、雲服務
amazonml
googlecloudml
microsoftazureml
阿里雲ml
9、資料集和競賽
imagenet
mscocc
kaggle
阿里天池
10、其他相關技術
知識圖譜
統計語言模型
專家系統
遺傳演算法
博弈演算法：納什均衡
人工智慧、大資料、雲計算和物聯網的未來發展值得重視，均為前沿產業，有興趣的朋友，可以查閱多智時代，在此為你推薦幾篇優質好文：
1.人工智慧時代，ai人才都有哪些特徵？
2.大資料攜手人工智慧，高校人才培養面臨新挑戰
3.人工智慧，機器學習和深度學習之間，主要有什麼差異
4.大資料人工智慧領域，如何從菜鳥晉級為大神
多智時代-人工智慧和大資料學習入門**|人工智慧、大資料、物聯網、雲計算的學習交流**
成為一名企業合格的網路工程師，需要掌握哪些技能
讓我們再仔細梳理一下以上提到的這些技能，看看作為企業網路工程師需要掌握的 必殺技 1 應用程式流 無論您需要配置高階服務質量 qos 還是在資料中心或wan上部署sdn，對於應用程式如何從資料流角度進行工作的明確理解將在2017年起到關鍵作用，因為它與客戶端 資料庫和雲服務進行的互動對於網路優化很重...
《人工智慧工程師》回歸樹模型
當資料不是離散型變數而是數值或者連續值時，可以用回歸樹模型進行劃分。回歸樹模型的本質是對樣本空間的劃分。劃分的區域不相交的子區域。注意 區域rj中的樣本的結果是所有的樣本點取平均得到的結果。rss的偏差，這個是指預估結果和真實結果的差異。yi是真實值，yrj是指預估值 最小二分法 為什麼計算量大？空...
一名合格的運維工程師都要掌握什麼
linux 系統基礎 門 linux的基礎知識內容，命令使用，以及使用者和許可權等核 知識點 linux 系統管理和高階 linux從程序 資源 任務 件 軟體包 磁碟等管理 法 linux 企業常用服務 企業級常用服務如dns ftp http mail linux 企業級安全原理和防範技巧以及網...