AI入门系列——数据分析

　　人工智能（Artificial Intelligence，简称AI）旨在通过探索智慧的实质，扩展人类智能，使智能主体具备听（语音识别、机器翻译等）、看（图像识别、文字识别等）、说（语音合成、人机对话等）、思考（人机对弈、专家系统等）、学习（知识表示、机器学习等）和行动（机器人、自动驾驶汽车等）的能力。

　　一个经典的AI定义是：“智能主体可以理解数据及从中学习，并利用知识实现特定目标和任务的能力。”

　　从技术层面来看，现在所说的人工智能技术基本上就是机器学习方面的（即机器学习技术是入门AI的核心技术）。

　　人工智能在众多的应用领域上都有一定的发展，包括语言识别、自然语言处理、图像识别、数据挖掘、推荐系统、智能风控和机器人等。值得注意的是，尽管不同应用领域上技术层面较为一致，但结合到实际应用场景，所需的业务知识、算法和工程要求却可能存在较大差异。

　　学习人工智能需要先掌握编程和数学方面的基本知识：AI算法工程师首先是一名程序员，掌握编程实现方法才能将理论知识付诸实践。而数学是人工智能理论的奠基，是必不可少的。

　　在人工智能领域，Python使用较为广泛，理由如下：

1. 因其简单的语法及灵活的使用方法，Python很适合零基础入门；
2. Python有丰富的机器学习库，极大方便机器学习的开发；
3. Python在机器学习领域有较高的使用率，意味着社区庞大，应用范围广，市场上有较多的工作机会。

　　数学方面：数学无疑是重要的，有良好的数学基础对于算法原理的理解及进阶至关重要。但这一点对于入门的初学者影响没那么大。初学者如果数学基础比较差，可以先补点“数学的最小必要知识”，如线性代数的矩阵运算、高等数学的梯度求导、概率的条件、后验概率及贝叶斯定理等，这样可以应付大部分算法的理解。

　　以下是我在网上找到的一些“免费”的学习资料与路线，无论这些大佬们是热诚开源也好还是夹带私货也罢，都给小白或初学者洒下了入门AI的一丝希冀。于我而言，任何可以武装思想、提高能力、开拓视野的东西都可尝试一番。