前言
成为一名优秀的Android开发，需要一份完备的知识体系，在这里，让我们一起成长为自己所想的那样~。
AI(人工智能)的idea起源于20世纪50年代，在20世纪80年代时，ML(机器学习)开始变得流行起来，在大约2010年，DL(深度学习)在AI的推动下有了大的发展。下图是三者直接的关系图：
关于人工智能，我们所需要了解的
what（人工智能是什么？）：
人工智能（英语：Artificial Intelligence, AI）亦称机器智能，
是指由人制造出来的机器所表现出来的智能。通常人工智能是指通过
普通计算机程序的手段实现的类人智能技术。
why（为什么要使用它(作用)？）：
AI是一个制造智能机器的科学与工程，它的核心问题包括建构能够跟
人类似甚至超越的推理、知识、规划、学习、交流、感知、移动和操
作物体的能力等，以更好地实现某一领域的特定目标（例如搜索、逻
辑推演、创造力等等）。
how（学习AI该从哪方面着手？）：
见下方。。
AI的应用领域
AI的应用领域很广泛，目前主要涉及到的领域如下：
智能控制
机器人学
自动化技术
语言和图像理解
遗传编程
涉及到的概念：
智能控制
what（它是什么？）：
智能控制是针对控制对象及其环境、控制目标和任务的不确定性
和复杂性而提出的一种控制技术。
why（为什么要使用智能控制？）：
能够减小或消除被控对象的被控制量的控制偏差。
how（有哪些人工智能控制方法？）：
类神经网络，模糊逻辑，机器学习，进化计算和遗传算法等等。
机器人学
what（它是什么？）：
是一项涵盖了机器人的设计、建造、运作、以及应用的跨领域科
技，就如同电脑系统之控制、感测回授、以及资讯处理。
自动化技术
what（它是什么？）：
是一门综合性技术，它和控制论、信息论、系统工程、计算机技
术、电子学、液压气压技术、自动控制等都有着十分密切的关系，
而其中又以“控制理论”和“计算机技术”对自动化技术的影响最大。
一些过程已经被完全自动化。
语言和图像理解
what（它是什么？）：
图像识别是对图像整体的语义内容进行类别判定，而语言识别是指
能够让计算机自动地识别语音中所携带信息的技术。
遗传编程
what（它是什么？）：
是一种从生物演化过程得到灵感的自动化生成和选择计算机程序
来完成用户定义的任务的技术。
AI的主要研究范畴如下：
机器学习（Machine Learning）
自然语言处理（NLP： Natural Language Processing）
人工神经网络（Artificial Neural Network）
数据挖掘（Data Mining）
智能搜索（Intelligent Search）
遗传算法
涉及到的概念：
机器学习
what（他是什么？）
机器学习可简单概括为“用数据解决问题”，即：数据 + 学习算法 =模型(映射或函数)
机器学习是人工智能的一个分支，近30多年已发展为一门多领域交叉
学科，机器学习理论主要是设计和分析一些让计算机可以自动“学习”
的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规
律对未知数据进行预测的算法。
why（为什么要学习机器学习？）
就是因为机器学习算法的这种可预测性，能利用规律对未知数据进行
预测，从而会有比较广的应用范围，现如今，机器学习已广泛应用于
数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、
医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和
手写识别、战略游戏和机器人等领域。
how（如何开始机器学习？）
首先，我们需要了解机器学习分为哪几种。
监督学习：
从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据
这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以
说是特征和目标。训练集中的目标是由人标注的。常见的监督学习算法
包括回归分析和统计分类。
无监督学习：
与监督学习相比，训练集没有人为标注的结果。常见的无监督学习算法
有聚类。
半监督学习：
介于监督学习与无监督学习之间。
增强学习：
通过观察来学习做成如何的动作。每个动作都会对环境有所影响，学习
对象根据观察到的周围环境的反馈来做出判断。
选择了要学习的机器学习类别，具体的就是机器学习算法的学习了，此处
不再概述。
进行机器学习的七步曲：
搜集数据
准备数据
选择模型
训练模型
评估模型
参数微调
预测
自然语言处理
what（它是什么？）
自然语言处理是人工智能和语言学领域的分支学科，它分为两部分，
自然语言生成系统和自然语言理解系统。自然语言生成系统把计算机
数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序
更易于处理的形式。
why（为什么要使用自然语言处理？）
就是为了使计算机生成和理解自然语言。
how（自然语言的处理范畴？）
自然语言的处理范畴比较广，主要有文本朗读、语音合成、语音识别、
文本分类、信息检索、信息抽取、问答系统、机器翻译、自动摘要等等。
人工神经网络
what（它是什么？）
人工神经网络（英语：artificial neural network，缩写ANN），简称
神经网络（neural network，缩写NN）或类神经网络，在机器学习和认知
科学领域，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）
的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。
why（为什么要使用人工神经网络？）
就是因为它对于函数进行估计或近似的这种能力，现在，已经被用于解决
各种各样的问题，例如机器视觉和语音识别。
how（如何使用人工神经网络？）
具体的学习请参照本文总结。
数据挖掘
what（它是什么？）
数据挖掘（英语：data mining）是一个跨学科的计算机科学分支，它是
用人工智能、机器学习、统计学和数据库的交叉方法在相对较大型的数据
集中发现模式的计算过程。
why（为什么要使用数据挖掘？）
用于从大量数据中提取模式和知识。
how（如何进行数据挖掘？）
数据挖掘的方法类似于机器学习，包括监督式学习、非监督式学习、半监
督学习、增强学习。
监督式学习包括：分类、估计、预测。
非监督式学习包括：聚类，关联规则分析。
智能搜索
what（它是什么？）
智能搜索其实就是一些能提高搜索策略的搜索方式。比如：深度优先搜索、
迭代加深搜索（ID搜索）、启发式OR图搜索算法、AND-OR图启发式搜索、
约束满足搜索等等。
遗传算法
what（它是什么？）
遗传算法（英语：genetic algorithm (GA)）是计算数学中用于解决最佳
化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中
的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。
总结
关于AI，目前应用范围主要集中在机器学习、深度学习(用于学习机器学习的一种技术)、NLP、图像识别与处理这几个方面，请选择适合您的分支。
如果您对深度学习有兴趣，可以从吴恩达的深度学习课程开始。同样的，如果对机器学习有兴趣，可以从Google的机器学习速成课程、吴恩达的机器学习课程、Google Cloud AI Adventure 中文版教程、写给大家看的机器学习书着手。
除此之外，这里还有一些关于AI的快速开发框架:最知名的如TensorFlow(使用数据流图形计算来扩展机器学习的框架)、caffe(一个快速开放的深度学习框架)、keras(对人类的深度学习框架)、
MXNet(MxNet是一个兼并效率和弹性的深度学习框架)、torch(torch是一个广泛支持机器学习算法的科学计算框架)、theano(theano是一个允许你去高效地定义、优化、评估涉及多维数组的数学表达的python库)。
最热门的TensorFlow入门推荐-Google的TensorFlow入门指南
赞赏
如果这个库对您有很大帮助，您愿意支持这个项目的进一步开发和这个项目的持续维护。你可以扫描下面的二维码，让我喝一杯咖啡或啤酒。非常感谢您的捐赠。谢谢！
Contanct Me
● 微信：
欢迎关注我的微信：
bcce5360
● 微信群：
微信群如果不能扫码加入，麻烦大家想进微信群的朋友们，加我微信拉你进群。
● QQ群：
2千人QQ群，Awesome-Android学习交流群，QQ群号：959936182， 欢迎大家加入~
About me
Email: chao.qu521@gmail.com
Blog: https://jsonchao.github.io/
掘金: https://juejin.im/user/5a3ba9375188252bca050ade
