【人工智能入门指南】-新东方前途出国

分支一: 机器学习--传统的数据统计

Machine Learning：Traditional Statistics

通常是转专业进入AI领域工作的同学会做此类工作，比如统计，或者数学背景的同学。因为这个岗位要求数学能力更强，编码能力相对较弱，不太要求学历，所以这个分支的工作相对竞争较大，但待遇回报远超一般程序员的收入。并且,因为大多数公司均存在大量数据,所以使用机器学习进行传统的数据统计的工作机会非常多，是未来不错的就业机会。这个分支常见的工作内容是：用线性回归（linear regression）分析数据，聚类分析（cluster），或者更高端的一些的工作会用到支持向量机（Support Vector Machine）等内容。

分支二：深度学习--神经网络

Deep Learning Neural Networks

目前深度学习有两个热门领域是：计算机视觉（Computer Vision）和自然语言处理（Natural language processing）。计算机视觉和自然语言处理已经是非常成熟的领域，计算机视觉负责用电脑识别计算机上的图片，而自然语言处理则是用计算机去理解人类的语言和语义。在实际的工作中的应用：用计算机去识别肿瘤的良性或恶性。抖音、小红书的推荐算法等都是深度学习的应用场景。

分支三：强化学习

Reinforcement Learning

强化学习是我们普通人通常理解的人工智能，即电脑能智能学习新的内容。比如AlphaGo，就是强化学习技术的一种体现。在AlphaGo的模型中，可以简单的理解为，如果每次AlphaGo输掉的围棋模型被标记为“0”，赢的围棋模型会标记为“1”，AlphaGo可以不断自我反馈练习，并会模拟出最佳的围棋模型，以此来对抗并打败人类棋手。另一个例子是机器人学走路的这一过程中，除了机械方面的改良，机器人需要不断自我调整，学习走路的姿势，并淘汰掉可能会摔跤的姿势，最终做到可以像人一样平稳的走路，不会摔跤。