推荐一个很好的 人工智能科普学习网站

---

一、基础内容

1、人工智能（AI) 、机器学习（ML)、深度学习（DL）

• 人工智能AI：模拟人脑的智能性的一种想法

• 机器学习ML：实现人工智能的方法（算法，理论知识）

• 深度学习DL：实现机器学习的技术（搭建神经网络模型，也叫设计模型）

推荐文章：深度学习 – Deep learning | DL

---

 

2、具体分析

---

• 机器学习ML：实现人工智能的方法（算法，理论知识）

---

提示：用大量的数据来训练，通过各种算法来提取特征，最终从数据中学习如何完成任务

按算法分类：

• 聚类
• 支持向量机

按学习方法分类

• 无监督学习（有参考答案）
• 有监督学习（无参考答案，要自己琢磨总结）
• 半监督学习（一半一半混合）
   

---

• 深度学习DL：实现机器学习的技术（搭建神经网络模型，也叫设计模型）

---

单靠网络层数的增加并不能实现性能的一直改善，所以演变出了许多不同的拓扑结构来进一步提升性能：

• CNN（卷积神经网络）
• RNN（循环神经网络）
• GAN（对抗生成神经网络）

具体请参考：深度学习网络结构

---

根据这些拓扑结构的性能应用，又将深度学习分成了许多应用方向

1. 计算机视觉

    生物特征识别：人脸识别、步态识别、行人ReID、瞳孔识别；

    图像处理：分类标注、以图搜图、场景分割、车辆车牌、OCR、AR；

    视频分析：安防监控、智慧城市；

3. 自然语言处理

    语音识别（Siri、Cortana、讯飞）、文本数据挖掘、文本翻译；

4. 数据挖掘

    消费习惯、天气数据、推荐系统、知识库（专家系统）；

5. 游戏

    角色仿真、AlphaGo（强化学习）；

6. 复合应用

    无人驾驶、无人机、机器人；
...

具体请参考：深度学习的研究方向和发展趋势

---

---

3、深度学习框架

---

深度学习框架的四大阵营与其技术方向：

• TensorFlow，前端框架Keras，背后巨头Google；

• PyTorch，前端框架FastAI，背后巨头Facebook；

• MXNet，前端框架Gluon，背后巨头Amazon；

• Cognitive Toolkit (CNTK)，前端框架Keras或Gluon，背后巨头Microsoft。

---

对比：

• TensorFlow适用于图像和基于序列的数据。

• 与TensorFlow相比，PyTorch更直观
  

---

学习:
四大框架都是工具互通，大部分都是基于Python，要掌握Python和深度学习算法，每一种框架都是一个可用的库或工具集。

---

4、有关IT的就业方向

• 1.项目需求的分析，产品经理 项目经理

• 2.产品设计

• 3.前端开发

• 4.后端开发

• 5.软件测试

• 6.市场运营

• 安全

• 嵌入式

• 游戏设计

• 网络

• 安卓