下载掌阅APP，畅读海量书库
立即打开
AI发展史可划分成三个阶段，分别为人工智能(Artificial Intelligence)、机器学习(Machine Learning)、深度学习(Deep Learning)，演进过程其实就是逐步缩小研究范围，聚焦在特定的算法。机器学习是人工智能的部分领域，而深度学习又是机器学习的部分算法。
图1.2 AI三波热潮的重点
大部分的教育机构在规划AI的学习地图时，即依照这个轨迹逐步深入各项技术，通常分为四个阶段。
图1.3 AI学习地图
（1）数据科学(Data Science)入门：内容包括Python/R程序语言、数据分析(Data Analysis)、大数据平台(Hadoop、Spark)等。
（2）机器学习(Machine Learning)：包含一些典型的算法，如回归、罗吉斯回归、支持向量机(SVM)、K-means集群等，这些算法虽然简单，但却非常实用，容易在一般企业内普遍性应用。通常机器学习的分类如下图。
图1.4 机器学习分类
最新的发展还有半监督学习(Semi-supervised Learning)、自我学习(Self Learning)、联合学习(Federated Learning)等，不一而足，千万不要被分类限制了你的想象。
另外，数据挖掘(Data Mining)与机器学习的算法大量重叠，其间的差异，有一种说法是数据挖掘着重在挖掘数据的隐藏状态(Pattern)，而机器学习则着重于预测。
（3）深度学习(Deep Learning)：深度学习属于机器学习中的一环，所谓深度(Deep)是指多层式架构的模型，例如各种神经网络(Neural Network)模型、强化学习(Reinforcement Learning, RL)算法等，通过多层的神经层或try-and-error的方式来优化(Optimization)或反复求解。
（4）实务及专题探讨(Capstone Project)：将各种算法应用于各类领域/行业，强调专题探讨及产业应用实操。