人工智能入門概念Introduction to Artificial Intelligence (AI)

人工智慧將定義下一代軟體解決方案。這個計算機科學課程提供了人工智慧的概述，並解釋瞭解如何使用它來構建智慧的應用程式，幫助組織提高效率，豐富人們的生活。

 AI並非新科技，但近來由於

1. 大數據的興起，數據科學的發展(Hadoop,Spark)， 大部分資料數位化及互聯網。可以取得大量的學習數據。
2. CPU,GPU變快，有助於機器學習。

AI的方法

了解機器學習如何用於構建AI的預測模型。了解如何使用軟體從自然語言中處理，分析和提取意義，圖像分析，文本分析和視頻。了解如何構建智能機器人，實現人與AI系統之間的對話溝通。

機器學習

當我們說機器學習時，我們指的是收集數據，分析其含義並根據數據模式找到解決方案的完整循環方法。了解學習演算法的不同方法以及哪些方法最適合具體問題也很重要。
 演算法有回歸regression，分類classification，分群Cluster analysis。
基本概念是讓機器從數據中學習，可以對未知數據進行預測。
K線預測
工具-數學，統計學
工具-程式語言-ptyhon............
使用Python進行人工智慧的一個主要優點是它有很多相關的模組可以使用。例如，NumPy，SciPy，matplotlib，nltk，SimpleAI。

深度學習Deep learning(神經網路)

能夠讓電腦自行抽取特徵值,以進行學習。深度學習對圖像分析，文本分析和視頻更有用。最常見的是該演算法使用神經網絡來實現學習。
深度這個詞來自於數據是多層次而大多數演算法只使用一個的想法。

神經網絡

這是一個高效的計算系統網絡，靈感來自生物神經網絡。 ANN可用於機器人，語音識別，語音處理等。
多層(每一層有神經元數量)
權重(各種百分比),AlphaGo
機率向量

強化學習

重點是使用最新信息來不斷改進模型。該方法適用於機器人，經濟學和遊戲(alphago)。

電腦視覺

視覺系統，解釋和理解計算機上的視覺輸入。

認知學習

是指將許多系統一起用於創建幾乎可以作為人類行事的模型。它們主要用於聊天機器人，虛擬個人助理和問答系統。

自然語言處理(NLP)

可以與理解人類自然語言的計算機進行交互。

AI的領域及應用

*無人車駕駛

*醫療預防
*智能機器人