一、AI工程师必备的核心技能
也就是工程师需要从现实实际问题当中抽取数学模型，然后运用数学知识优化问题。
然后才是工程能力：学习某个开源或者黑盒工具开发项目。
二、什么是NLP
- NLP
NLP就是NLU+NLG。NLU（nature llanguage understand）一个人先用文本或者语音表达自己的意思，然后对面的那个人来理解这个是什么意思。NLG（nature language generation）是将文本或者语音表达为意思。这一步是最难的
- 为什么说NLP难于CV
因为一个文本或者语音有多个意思，而且一个文本或者语音多种表达方式。文本的语义的理解是最难的
比如一词多义现象。解决一词多义现象：根据不同行业出现的频率来判断。或者通过上下文来判断
- 机器翻译系统实现初探
这是一个根据统计规则实现的。给出一个问答语料库，里面都是问答。当翻译一个句子的时候，查看每个单词出现的时候，回答句子里面对应的单词。这样做是初级实现，因为没有考虑语义。翻译出来的句子生搬硬套。而且没有考虑上下文，语法可能也有问题。如果语料库十分庞大，统计费时费力。结果也和语料库的建设息息相关。
- 机器翻译系统初探
1、首先进行中文分分词，把一句话划分为若干个合理的词。所以分词算法影响结果，重要。
2、构建词典。也就是语料库，包含所有统计的单词
3、对照词典进行每个单词挨个翻译。
4、把翻译好的单词进行排列组合，列出所有单词排序，组成句子。
5、LM（language model）计算排列组合当中所有的句子，输出每一个句子的合理值（概率）。选出最大的句子。所以LM模型很重要，会影响结果的输出
LM语言模型：解决语句通顺问题，是否说起来听得懂。被翻译后的桔子是否友好。
TM翻译模型：讲原始句子根据语料库进行翻译成tough语句。
D A：同时考虑上面两个。
对于一个好的语言模型来说，通顺的句子分值高。
联合概率的计算公式如图。Unigram只考虑本身单词，Bigram考虑前一个，Trigram考虑前两个…等等等等。（是否独立？）
