1 人工智慧
2023年，幾位科學家相聚在達特茅斯會議提出了人工智慧的概念。當時計算機剛剛出現不久，他們希望通過用計算機來構造複雜的，擁有與人類智慧型具有同樣本質的機器。然後幾十年，人工智慧一直在兩極分化，有些人認為這個是改變人們未來生活的乙個大的方向；但是有的人認為人工智慧是一種噱頭，或者是一種泡沫。但是在2023年以後，資料量大幅度**，而且算力也極大的提公升，人工智慧才開始大的爆發。我們所了解的人工智慧大多數是偏向應用的。主要的應用方向如下：
nlp
recommender system
speech
2 機器學習
機器學習實際上是一種實現人工智慧的方法。通常來說最基本的做法就是使用演算法來解析資料，從裡面去學習；然後對真實世界裡面的事件做出決策或者**。機器學習實際上是**於早起的人工智慧領域。
典型代表演算法：決策樹、聚類、貝葉斯分類、支援向量機、adaboost等等。
從方法上來分：
3 深度學習
深度學習實際上是機器學習的乙個子集。最初的深度學習其實上是利用神經網路來解決特徵表達的一種過程，我們可以簡單的認為它是乙個包含了多個隱含層的神經網路結構。
深度學習之所有受到廣泛關注的原因是，它在cv領域的效果確實要比許多傳統的機器學習演算法效果要好；其在nlp和一些其他的方向上也有不錯的進展。
值得注意的是，深度學習不可能完全取代機器學習，原因在於並非所有的任務都能用深度學習來完成，深度學習有時候是黑盒的，具有不可解釋性。需要大量的訓練資料才能展現出較好的效果。
但是像機器學習，我們通常要解決的是乙個凸優化問題，當面對乙個凸優化問題的時候，我們往往可以找到乙個最優解，並可以通過數學公式推導來證明這個理論的完備性和這個演算法的可解釋性。
精密零件智慧型分揀
1 打好前置基礎
2 跑demo，但不僅僅是跑demo
3 參加幾場資料科學比賽
4 參加工業專案/開源專案
深度學習入門
generative adversarial network gan 生成對抗網路 梯度消失 梯度擴散 gradient diffusion deep learning i.e.unsupervised feature learning 目的是讓機器自動學習良好的特徵，而免去人工選取過程 深度學習是...
深度學習入門
元胞自動機實質上是定義在乙個具有離散 有限狀態的元胞組成的元胞空間上，並按照一定的區域性規則，在離散的時間維度上演化的動力學系統。元胞又可稱為單元 細胞，是元胞自動機的最基本的組成部分。乙個標準的細胞自動機由元胞 元胞狀態 鄰域和狀態更新規則構成。用數學表示為 a l,d,s,n,f 其中l為元胞空...
Python深度學習 01深度學習入門
深度學習是機器學習與神經網路 人工智慧 圖形化建模 優化 模型識別和訊號處理等技術融合後產生的乙個領域。簡單來說，深度神經網路是一種用多層抽象來表示概念或者特徵的方式。深度學習使用多層機器學習模型對資料進行有監督學習或者無監督學習。在學習深度學習核心思想時，採取如圖所示的的通用方法 注意 單隱藏層神...