一、人工智能的核心——机器学习
人工智能是一个很大的圈子，但人工智能的基础是机器学习。
机器学习是什么？
其实就是人告诉机器想做什么事情，并且给它一堆数据让它模仿着去做。
机器学习需要什么？
算法、数据、程序、评估、应用。
机器学习能做什么？
机器学习在数据挖掘、图像识别、语音和自然语言处理中有着广泛应用。
机器学习流程？
一个机器学习的常规套路：
1）数据收集与预处理（数据收集、数据挖掘等）
2）特征选择（转换为计算机认识的东西）与模型构建（构建出学习函数）
3）评估与预测
机器学习该如何学习？
机器学习本质包含了数学原理推导与实际应用技巧。
机器学习中有很多经典算法，既然要学习，就需要清楚一个算法是怎么推导出来的以及该如何应用。
数学对机器学习非常重要，但只要有大学的数据基础（高数、线性代数、概率论）即可，如果大多都已经忘记了，可以边学边查，一个合适的做法就是哪里不会点哪里。
现在很多的深度学习是什么？
深度学习是机器学习中神经网络算法的延伸，只不过应用得比较广泛。
深度学习在计算机视觉和自然语言处理中更厉害一些。
机器学习如何动手去做？
寻找资源和案例的方法：Github、kaggle(流行的数据科学竞赛平台)、各大资源分享点。
案例积累的作用非常大：工程师的工作主要就是模仿，能做事才能有用，模仿成功案例做出来就是自己的东西。现在很少需要从头开始去写一个项目，通常都是按照之前的某种套路照搬过来，大部分公司也都是这么做的，先学会模仿了再去进行创作。