机器学习

人工智能

1. 　　CV，计算机视觉：
   1. 图像分类
   2. 物体检测
   3. 语义分割
   4. 视频分析
2.          NLP，自然语言处理
   1. 基础：
      1. 词法分析
      2. 词向量
      3. 语言模型
   2. 核心
      1. 语义表示
      2. 文本相似度计算
      3. 文本生成
   3. 应用
      1. 情感分析
      2. 阅读理解
      3. 机器翻译
      4. 对话系统
3.         Rec，推荐系统
   1. 传统推荐算法
   2. 基于深度学习的推荐算法
4.          Speech，语音识别
   1. 语音识别
   2. 语音合成

机器学习：

　　　　机器学习实际上是一种实现人工智能的方法，基本的做法就是使用算法来解析数据，从里面去学习，然后对真实的事件作出决策和预测。

人工智能——机器学习——深度学习

入门深度学习的路径

1. 前置基础：
   1. 编程语言——python
   2. 数学基础——高数，线性代数，概率论，信息论
   3. 基础机器学习概念——信息熵，损失函数，目标函数
2. 学会用好demo
   1. 调参调优，
   2. 换换数据库
   3. 尝试部署
3. 参加数据科学比赛
4. 动手实践

一个算法，数据工程师首先是一个工程师

机器学习

原文：https://www.cnblogs.com/djrcomeon/p/12346893.html