1.人工智能概述
1.1 机器学习、人工智能与深度学习
机器学习和人工智能，深度学习的关系
人工智能（AI）：人工智能是一门研究如何使计算机能够模拟、理解和执行人类智能任务的学科。它的目标是让计算机具备类似于人类的智能水平，可以进行推理、学习、感知和决策。
机器学习：机器学习是人工智能的一个重要分支，它是让计算机通过从数据中学习和提取模式，自动改进执行特定任务的能力。在传统编程中，程序员需要明确指定计算机应该如何执行任务，而在机器学习中，计算机通过学习数据的规律和特征自主地进行任务执行，这种方式使得计算机在面对新的情况时也能做出合理的决策。
深度学习：深度学习是机器学习的一种方法，它是通过构建和训练深层神经网络来实现学习和特征提取的过程。这些深层神经网络由多个神经元层组成，允许计算机通过层次化的方式提取和学习数据中的复杂特征。深度学习在图像识别、自然语言处理、语音识别等领域取得了显著的成就，并且在人工智能的快速发展中起到了重要的推动作用。
机器学习是人工智能的一个实现途径
深度学习是机器学习的一个方法发展而来
深度学习是机器学习的一种技术手段，而机器学习是人工智能的一个重要组成部分。在实际应用中，深度学习带来了许多强大的AI模型和系统，使得计算机能够在复杂和大规模的数据中进行高效的学习和推理，从而实现了许多前所未有的人工智能应用。
达特茅斯会议-人工智能的起点
1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中，约翰·麦卡锡（John McCarthy），马文·闵斯基（Marvin Minsky，人工智能与认知学专家），克劳德·香农（Claude Shannon，信息论的创始人），艾伦·纽厄尔（Allen Newell，计算机科学家），赫伯特·西蒙（Herbert Simon，诺贝尔经济学奖得主）等科学家正聚在一起，讨论着一个完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。会议足足开了两个月的时间，虽然大家没有达成普遍的共识，但是却为会议讨论的内容起了一个名字：人工智能。因此，1956年也就成为了人工智能元年。
1.2 机器学习、深度学习能做些什么
机器学习的应用场景非常多，可以说渗透到了各个行业领域当中。医疗、航空、教育、物流、电商等等领域的各种场景。
用在挖掘、预测领域：
应用场景：店铺销量预测、量化投资、广告推荐、企业客户分类、SQL语句安全检测分类…用在图像领域：
应用场景：街道交通标志检测、人脸识别等等
用在自然语言处理领域：
应用场景：文本分类、情感分析、自动聊天、文本检测等等
