（记录及总结 >>>网络相关视频及资料.....）
先来了解人工智能的定义:
构建智能机器，特别是智能计算机程序的科学和工程；人工智能是一种让计算机程序能够“智能地”思考的方式；思考的模式类似于人类...
智能：自主能力，自我意识 ...
人工智能三个时代：运算智能、感知智能、认知智能
感知：图像识别、语音识别、触觉识别
人工智能的需求：
1、提高品质
2、增加效率
3、解决难题
.....
需要的数学知识：
1、微积分
2、线性代数
3、统计学
.....
人工智能的知识关联：
数据挖掘、知识发现、统计学、数据库、
模式识别、机器学习、深度学习、神经网络...
AI、ML、DL之间的关系：
机器学习是实现人工智能的一种方法，深度学习是机器学习的一个分支。（相当于包含关系: 深度学习<机器学习<人工智能）
=========
机器学习（Machine Learning）
`机器学习`中的`学习`指通过某个过程来达到质的改善
机器学习的必要：
-很多无法用人工编程来实现
-人会犯错，机器不容易犯错
-机器的计算能力越来越强
权威定义：
-对某类任务T(Task)和性能度量P(Performance)
-通过经验E(Experience)改进后
-在任务T上由性能度量P衡量的性能有所提升
简单定义：
用数据来解决问题
数据--训练
解答问题--推测
机器学习大致等同于找一个好的函数/模型（Y = f(x))
机器学习的分类：
-监督学习 --有标签
-非监督学习 --无标签
-半监督学习 --有少部分标签，最类似人的生活
-强化学习 --基于环境而行动，以取得最大化预期利益
机器学习的六步：
收集数据 >准备数据 >选择/建立模型 >训练模型 >测试模型 >调节参数
关键三步：
找一系列函数来实现预期的功能：建模问题
找一组合理的评价标准，来评估函数的 好坏：评价问题
快速找到性能最佳的函数：优化问题（比如梯度下降就是这个目的）
=========
什么是深度学习？
基于深度神经网络的学习研究。
其中`深度`指输入到输出之间的过程，若此过程中隐藏层大于2则可称之为深度。
`深度`的关键在于：
1、数据量
2、计算力
深度学习的三个阶段：
输入层。不同的参数设置
隐藏层。调整 参数权重
输出层。输出结果与预期比较
