人工智能（AI）介绍

技术发展趋势

对于5G、云计算、大数据、物联网的认识及理解

• 分布式架构：分布式数据库，分布式服务，分布式缓存，分布式事务，分布式消息中间件，分布式文件系统
• 微服务架构：SpringCloud、serviceMesh、DevOps、Docker、K8s、云原生
• 大数据（bigdata）：
  • (海量、专业、深度) 数据挖掘、数据分析、数据存储、数据处理
  • Hadoop 《The Definitive Guide》《Cloudera Hadoop大数据平台实战指南》_宋立桓
• 云计算（cloud）：
  • 基于云服务器资源，进行分布式存储、计算 ==> 处理大数据
  • 云服务（平台） = 云服务器 + 云存储能力 + 云计算能力（本质是大量服务器式集群，构建出的强大分布存储计算能力）
• 物联网（iot）：
  • 联网硬件 + 收集数据 + 数据处理应用平台
  • 智能家居、穿戴、智慧城市、社区、交通、医疗、教育、工业、农业 …
• 边缘计算（edge）
• 人工智能（AI）
• 5G：高速网络带宽、网络切片专线；4G改变生活，5G改变社会
• AR（Augmented Reality增强现实）、VR（Virtual Reality虚拟现实）
• 区块链、以太坊

一、人工智能（AI）介绍：

• 对于 人工智能、机器学习、深度学习、神经网络 的认识和理解
• 腾讯 AI Lab 张潼主任带你轻松 get AI 新知识

是一个融合计算机科学、概率论、统计学、脑神经学和社会科学的前沿综合学科，使得计算机像人一样拥有智能能力，可以代替人类实现识别、认知，分析和决策等多种功能

1.1 机器学习：

一种实现人工智能的方法, 是人工智能的核心;用大量的数据来“训练”、总结、归纳、强化程序功能。

机器学习模型：

• 无监督学习
• 监督学习
• 强化学习

1.2 深度学习：

一种实现机器学习的技术，建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解数据，例如图像，声音和文本;
深度学习是机器学习中一种基于对数据进行表征学习的方法.

1.3 卷积神经网络（Convolutional neuralnetworks，简称CNNs）

就是一种深度的监督学习下的机器学习模型

1.4 深度置信网（Deep Belief Nets，简称DBNs）

就是一种无监督学习下的机器学习模型。

1.5 人工神经网络：一种机器学习的算法

二、人工智能的应用场景

2.1.计算机视觉：

• 图像识别、
• 图片分类、
• 图意理解、
• 图片文字提取OCR、
• 人脸识别、
• 指纹识别：

2.2.语音工程：

• 语音识别、
• 语义理解、
• 语音合成：

2.3.自然语言处理：

• 机器翻译、
• 语义理解、
• 情感分析、
• 智能回复

2.4.决策系统：自动驾驶

2.5.大数据：应用推荐算法

三、人工智能的5层研究领域

四、人工智能课程大纲