1.前言
在上周六，看了掘金的课堂。这次的课堂和之前的不一样，因为这次涉及的领域是人工智能，讲的内容也是如何自学人工智能（AI）。这个主题，领域对于我自己而言，是一个关注但是陌生的主题，不同所从事的前端。
2.关于人工智能
在描述课堂之前，先大概介绍下人工智能的各方面。
2-1.什么是人工智能
引用百科的说法：人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
2-2.为什么要学人工智能
为什么要学人工智能，这个可能很多人都想着，人工智能人才短缺，待遇高。这样想是对的，因为现在的情况就是如此。但每一个行业的总会有一个风口期，红利期，这个不会一直存在。而且如果自己没兴趣，不愿接受挑战，就奔着高薪而学，注定走不远。所以，我不从这个角度解释这个为什么。
我关注人工智能的理由就是因为人工智能就是一个趋势，前景也广阔，在以后也会逐渐的渗透到各行各业里面，影响我们生活的各个方面。所以就觉得人工智能值得学习。
也顺便扩展一下：我了解的人工智能现在有哪些应用领域了
| 领域 | 具体应用 |
|---|---|
| 在计算机视觉 | 车牌识别，图像识别，人脸识别，人脸美颜，无人车 |
| 情景智能 | 导航最佳路线，用户行为推荐 |
| 语音技术 | 语音识别，精确翻译，智能助手（说一段话，计算机完成一个任务） |
| 生产，制造业 | 自动化车间，智能农业 |
3.关于课堂
3-1.主题
一堂课掌握 AI 自学路径图
3-2.了解目标
AI 如何改变我们的生活？
AI 在七牛云的应用？
学习 AI 需要哪些基础知识？
参与 AI 相关的工作需要哪些知识？
AI 相关岗位的日常工作是什么？
如何自学 AI
相关资源
4.AI技术革新
首先，第一个课时是彭垚老师带来的《AI技术革新》讲述的内容分为以下三大块吧。
4-1.AI如果改变我们的生活
关于人工智能改变生活，主要有三大块，计算机视觉，语言识别，语音识别，具体的产品这里就不列举了。
计算机视觉方面的应用，比如导航的车辆识别，人脸识别，行为分析。
语音识别方面，比如智能机器人，智能音响。
语言处理方面，在线客服，个人助理，只能问答。
这一些领域都有很多出色的产品出现，在这里就不列举了。但是不可否认的就是，因为这些领域的产品出现，给我们生活的衣食住行都有很大方面的改善。
4-2.AI在七牛云的应用
老师介绍到，七牛云围绕海量数据提供创新，灵活的组合场景，把AI融合进七牛运的产品线里面去。同时加力发展视频智能和数据智能的探索和应用。其中视频智能里面，包括内容审核（对色情，暴恐等视频进行处理，保证视频内容健康），人脸识别（身份核验，智能安防等），视频分析等，在数据智能里面，包括数据分析决策，理解机器语言和情绪，洞察未来等。
除此之外，也介绍了七牛云的人工智能实验室的核心创新体系。介绍了运用AI实现内容审核（对色情，暴恐等视频图像进行处理，保证内容健康），城市之眼（对人，物，场景进行检测，实现身份核验，智能安防等需求），媒资智能（对视频图像等实现人脸识别，实现人工检索等需求），创新计划。也介绍了当中的技术架构，运作原理，以及一些成功案例（陌陌，步步高，美图秀秀等）。
4-3.七牛云的AI工程师的日常
首先，AI工程师有7种，计算机视觉算法工程师，机器学习平台研发工程师，大数据平台研发工程，搜索引擎研发工程师，系统架构工程师，业务架构工程师。这几个职位字面上知道是负责什么，虽然我都不会。老师在课上简单介绍了他们的工作内容，成果方面包括AVA弹性深度学习平台，LEGO大数据富媒体知识库，AI Video OS等。
4-4.问题回顾
因为打字速度跟不上说话速度，内容也过多，用我自己的意思表达又担心表达错误（其实就是因为懒），所以答案就不写了，需要知道答案的，请点击下面的链接，观看视频。
1.七牛云AI的核心技术能力是什么？
2.将机器学习与社会可与研究相结合，有哪些可能的基于和挑战？
3.很多关于人工智能的文章说，中国在人中只能领域处于领先位置，可为什么在学习过程中找到额度资料都是国外的？
4.系统架构和业务架构有什么不同？
5.可以简介一下AI开发的流程吗？
6.这个AI Video OS是用在什么应用场景的呢？是对外提供服务能力，还是对内使用？
最后，因为这个只是我一个简单的笔记介绍，如果大家想了解更多，还是得点击下面链接进行观看：
5.AI初学者入门
然后，第二个课时是邵杰老师带来的《AI初学者入门》。关于这个课时，并不是讲了AI的所有应用领域，挑了两个应用很广的两个领域：机器学习和计算机视觉。
5-1.课程内容
开始之前，提了三个建议：
1.不要等到掌握所有的相关数学知识再开始 2.不要收集过多的学习资料 3.动手，动手，动手
关于第一个建议，老师目的就是想说，因为知识太多，难以全部掌握，会影响信心，而且很多知识不一定要求特别熟悉，想大家尽快的进入学习人工智能里面去。这也的确，不止AI，前端也有这样的情况，就是有人评估做前端还是后台的时候，就是评估前端要学什么，后端要学什么，这样就感觉有点想太多了。
关于第二个建议，老师觉得网上资料繁杂，质量难以保证，也不系统，收集过多的资料，时间成本太大。
关于第三个建议，这个应用是通用的，即使是我自己写文章，我也非常建议，也多次提到大家除了看，更要写，这样才能印象深刻。如果只看不写，学的过程很容易懵。
机器学习：利用学习算法，从数据中产生模型。简单的说就是根据写的程序（机器算法），根据大量的数据，产生一个模型。讲师也讲了一个实例：比如经常会收到垃圾邮件，下次在收到的时候，根据已收到的垃圾邮件进行分析，判断是不是垃圾邮件。
机器学习：泛化性（根据已有的数据，分析新数据），算法偏好（不同的模型，问题，应用匹配不同的算法）
关于机器学起，也用了K近邻的方式实现一个图像识别。但是学习之前，大家要学习下相关的数学知识。
5-2.问题回顾
还是一样，只有问题，答案看视频。
1.建不建议从深度学习开始入手学习？
2.phtroch和TensorFlow两个机器学库，选择哪个学习比较好？
3.动手很重要，具体应该怎么实践？
4.AI开发选用什么变成语言比较合适？
5.请问老师，对于传统软件开发行业（c语言），行行人工智能行业（机器学习方向）有什么建议？
6.老师对于在线的机器学习的课程怎么看，例如coursera等等麻烦说说
视频链接：
5-3.学习资料
附视频提及的学习资料：
书籍
尼克《人工智能简史》（这本书要认清作者，因为老师提到，《人工智能简史》有两本同名书籍，推荐的是尼克这本）
Miroslav Kubat《机器学习导论》
周志华《机器学习》（西瓜书）
Aurelien Geron《 Hands-on Machine Learning with Scikit-learn & Tensorflow 》
Ian Goodfellow等《Deep Learning》（花书）
ML 101
Getting Started With MachineLearning (all in one) by 梁劲 sina.lt/f3W8
Machine learning 101 by Jason Mayes sina.lt/f3W3
在线课程
机器学习速成课程 developers.google.com/machine-lea…
台湾大学李宏毅教授 speech.ee.ntu.edu.tw/~tlkagk/cou…
吴恩达教授 mooc.study.163.com/smartSpec/d…
斯坦福大学 cs231n cs231n.stanford.edu/
斯坦福大学 cs224n web.stanford.edu/class/cs224…
其他
scikit-learn Tutorials scikit-learn.org/stable/tuto…
机器学习术语表 developers.google.com/machine-lea…
4.小结
这次课堂的个人理解就差不多就到这里了。但这个课堂可以让大家对AI开发有一个大概的了解，知道AI可以做什么，怎么做。以及AI自学的一个指导，至于是否受用，这个就见仁见智了。
最后感谢掘金和两个讲师给大家带来课程。