1.前言
在上週六，看了掘金的課堂。這次的課堂和之前的不一樣，因為這次涉及的領域是人工智慧，講的內容也是如何自學人工智慧（AI）。這個主題，領域對於我自己而言，是一個關注但是陌生的主題，不同所從事的前端。
2.關於人工智慧
在描述課堂之前，先大概介紹下人工智慧的各方面。
2-1.什麼是人工智慧
引用百科的說法：人工智慧是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言識別、影像識別、自然語言處理和專家系統等。
2-2.為什麼要學人工智慧
為什麼要學人工智慧，這個可能很多人都想著，人工智慧人才短缺，待遇高。這樣想是對的，因為現在的情況就是如此。但每一個行業的總會有一個風口期，紅利期，這個不會一直存在。而且如果自己沒興趣，不願接受挑戰，就奔著高薪而學，註定走不遠。所以，我不從這個角度解釋這個為什麼。
我關注人工智慧的理由就是因為人工智慧就是一個趨勢，前景也廣闊，在以後也會逐漸的滲透到各行各業裡面，影響我們生活的各個方面。所以就覺得人工智慧值得學習。
也順便擴充套件一下：我瞭解的人工智慧現在有哪些應用領域了
| 領域 | 具體應用 |
|---|---|
| 在計算機視覺 | 車牌識別，影像識別，人臉識別，人臉美顏，無人車 |
| 情景智慧 | 導航最佳路線，使用者行為推薦 |
| 語音技術 | 語音識別，精確翻譯，智慧助手（說一段話，計算機完成一個任務） |
| 生產，製造業 | 自動化車間，智慧農業 |
3.關於課堂
3-1.主題
一堂課掌握 AI 自學路徑圖
3-2.瞭解目標
AI 如何改變我們的生活？
AI 在七牛雲的應用？
學習 AI 需要哪些基礎知識？
參與 AI 相關的工作需要哪些知識？
AI 相關崗位的日常工作是什麼？
如何自學 AI
相關資源
4.AI技術革新
首先，第一個課時是彭垚老師帶來的《AI技術革新》講述的內容分為以下三大塊吧。
4-1.AI如果改變我們的生活
關於人工智慧改變生活，主要有三大塊，計算機視覺，語言識別，語音識別，具體的產品這裡就不列舉了。
計算機視覺方面的應用，比如導航的車輛識別，人臉識別，行為分析。
語音識別方面，比如智慧機器人，智慧音響。
語言處理方面，線上客服，個人助理，只能問答。
這一些領域都有很多出色的產品出現，在這裡就不列舉了。但是不可否認的就是，因為這些領域的產品出現，給我們生活的衣食住行都有很大方面的改善。
4-2.AI在七牛雲的應用
老師介紹到，七牛雲圍繞海量資料提供創新，靈活的組合場景，把AI融合進七牛運的產品線裡面去。同時加力發展視訊智慧和資料智慧的探索和應用。其中視訊智慧裡面，包括內容稽核（對色情，暴恐等視訊進行處理，保證視訊內容健康），人臉識別（身份核驗，智慧安防等），視訊分析等，在資料智慧裡面，包括資料分析決策，理解機器語言和情緒，洞察未來等。
除此之外，也介紹了七牛雲的人工智慧實驗室的核心創新體系。介紹了運用AI實現內容稽核（對色情，暴恐等視訊影像進行處理，保證內容健康），城市之眼（對人，物，場景進行檢測，實現身份核驗，智慧安防等需求），媒資智慧（對視訊影像等實現人臉識別，實現人工檢索等需求），創新計劃。也介紹了當中的技術架構，運作原理，以及一些成功案例（陌陌，步步高，美圖秀秀等）。
4-3.七牛雲的AI工程師的日常
首先，AI工程師有7種，計算機視覺演算法工程師，機器學習平臺研發工程師，大資料平臺研發工程，搜尋引擎研發工程師，系統架構工程師，業務架構工程師。這幾個職位字面上知道是負責什麼，雖然我都不會。老師在課上簡單介紹了他們的工作內容，成果方面包括AVA彈性深度學習平臺，LEGO大資料富媒體知識庫，AI Video OS等。
4-4.問題回顧
因為打字速度跟不上說話速度，內容也過多，用我自己的意思表達又擔心表達錯誤（其實就是因為懶），所以答案就不寫了，需要知道答案的，請點選下面的連結，觀看視訊。
1.七牛雲AI的核心技術能力是什麼？
2.將機器學習與社會可與研究相結合，有哪些可能的基於和挑戰？
3.很多關於人工智慧的文章說，中國在人中只能領域處於領先位置，可為什麼在學習過程中找到額度資料都是國外的？
4.系統架構和業務架構有什麼不同？
5.可以簡介一下AI開發的流程嗎？
6.這個AI Video OS是用在什麼應用場景的呢？是對外提供服務能力，還是對內使用？
最後，因為這個只是我一個簡單的筆記介紹，如果大家想了解更多，還是得點選下面連結進行觀看：
5.AI初學者入門
然後，第二個課時是邵傑老師帶來的《AI初學者入門》。關於這個課時，並不是講了AI的所有應用領域，挑了兩個應用很廣的兩個領域：機器學習和計算機視覺。
5-1.課程內容
開始之前，提了三個建議：
1.不要等到掌握所有的相關數學知識再開始 2.不要收集過多的學習資料 3.動手，動手，動手
關於第一個建議，老師目的就是想說，因為知識太多，難以全部掌握，會影響信心，而且很多知識不一定要求特別熟悉，想大家儘快的進入學習人工智慧裡面去。這也的確，不止AI，前端也有這樣的情況，就是有人評估做前端還是後臺的時候，就是評估前端要學什麼，後端要學什麼，這樣就感覺有點想太多了。
關於第二個建議，老師覺得網上資料繁雜，質量難以保證，也不繫統，收集過多的資料，時間成本太大。
關於第三個建議，這個應用是通用的，即使是我自己寫文章，我也非常建議，也多次提到大家除了看，更要寫，這樣才能印象深刻。如果只看不寫，學的過程很容易懵。
機器學習：利用學習演算法，從資料中產生模型。簡單的說就是根據寫的程式（機器演算法），根據大量的資料，產生一個模型。講師也講了一個例項：比如經常會收到垃圾郵件，下次在收到的時候，根據已收到的垃圾郵件進行分析，判斷是不是垃圾郵件。
機器學習：泛化性（根據已有的資料，分析新資料），演算法偏好（不同的模型，問題，應用匹配不同的演算法）
關於機器學起，也用了K近鄰的方式實現一個影像識別。但是學習之前，大家要學習下相關的數學知識。
5-2.問題回顧
還是一樣，只有問題，答案看視訊。
1.建不建議從深度學習開始入手學習？
2.phtroch和TensorFlow兩個機器學庫，選擇哪個學習比較好？
3.動手很重要，具體應該怎麼實踐？
4.AI開發選用什麼變成語言比較合適？
5.請問老師，對於傳統軟體開發行業（c語言），行行人工智慧行業（機器學習方向）有什麼建議？
6.老師對於線上的機器學習的課程怎麼看，例如coursera等等麻煩說說
視訊連結：
5-3.學習資料
附視訊提及的學習資料：
書籍
尼克《人工智慧簡史》（這本書要認清作者，因為老師提到，《人工智慧簡史》有兩本同名書籍，推薦的是尼克這本）
Miroslav Kubat《機器學習導論》
周志華《機器學習》（西瓜書）
Aurelien Geron《 Hands-on Machine Learning with Scikit-learn & Tensorflow 》
Ian Goodfellow等《Deep Learning》（花書）
ML 101
Getting Started With MachineLearning (all in one) by 樑勁 sina.lt/f3W8
Machine learning 101 by Jason Mayes sina.lt/f3W3
線上課程
機器學習速成課程 developers.google.com/machine-lea…
臺灣大學李宏毅教授 speech.ee.ntu.edu.tw/~tlkagk/cou…
吳恩達教授 mooc.study.163.com/smartSpec/d…
史丹佛大學 cs231n cs231n.stanford.edu/
史丹佛大學 cs224n web.stanford.edu/class/cs224…
其他
scikit-learn Tutorials scikit-learn.org/stable/tuto…
機器學習術語表 developers.google.com/machine-lea…
4.小結
這次課堂的個人理解就差不多就到這裡了。但這個課堂可以讓大家對AI開發有一個大概的瞭解，知道AI可以做什麼，怎麼做。以及AI自學的一個指導，至於是否受用，這個就見仁見智了。
最後感謝掘金和兩個講師給大家帶來課程。