文末彩蛋，错过哭一年。。。。

人工智能的浪潮正在席卷全球，诸多词汇时刻萦绕在我们耳边：人工智能（Artificial Intelligence）、机器学习（Machine Learning）。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、一知半解。

为了帮助大家更好地理解人工智能，这篇文章用最简单的语言解释了这些词汇的含义，理清它们之间的关系，希望对刚入门的同行有所帮助。

人工智能：从概念提出到走向繁荣

1956年，几个计算机科学家相聚在达特茅斯会议，提出了“人工智能”的概念，梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器。其后，人工智能就一直萦绕于人们的脑海之中，并在科研实验室中慢慢孵化。之后的几十年，人工智能一直在两极反转，或被称作人类文明耀眼未来的预言，或被当成技术疯子的狂想扔到垃圾堆里。直到2012年之前，这两种声音还在同时存在。

2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法的出现，人工智能开始大爆发。据领英近日发布的《全球AI领域人才报告》显示，截至2017年一季度，基于领英平台的全球AI（人工智能）领域技术人才数量超过190万，仅国内人工智能人才缺口达到500多万。

人工智能的研究领域也在不断扩大，图一展示了人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。

图一　人工智能研究分支

但目前的科研工作都集中在弱人工智能这部分，并很有希望在近期取得重大突破，电影里的人工智能多半都是在描绘强人工智能，而这部分在目前的现实世界里难以真正实现（通常将人工智能分为弱人工智能和强人工智能，前者让机器具备观察和感知的能力，可以做到一定程度的理解和推理，而强人工智能让机器获得自适应能力，解决一些之前没有遇到过的问题）。

弱人工智能有希望取得突破，是如何实现的，“智能”又从何而来呢？这主要归功于一种实现人工智能的方法——机器学习。

机器学习：一种实现人工智能的方法

机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。

举个简单的例子，当我们浏览网上商城时，经常会出现商品推荐的信息。这是商城根据你往期的购物记录和冗长的收藏清单，识别出这其中哪些是你真正感兴趣，并且愿意购买的产品。这样的决策模型，可以帮助商城为客户提供建议并鼓励产品消费。

机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。

机器学习作为AI的核心技术之一，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、语音和手写识别、战略游戏和机器人等领域。

今年9月份，国内领先的人工智能教育平台「七月在线」推出「机器学习集训营 第二期」，100个名额一抢而空。优化后的第三期集训营，沿用前两期线上线下（北京、上海两个线下实战基地）相结合的授课方式，加强项目实训的同时引入线下BAT专家面对面、手把手教学方式；突出BAT级工业项目实战辅导 + 一对一面试求职辅导，提供3个月GPU云实验平台免费使用，精讲面试考点。让每一位学员不用再为遇到问题没人解答，缺乏实战经验以及简历上没有项目经验，面试屡屡遭拒而发愁。

本期限100个名额，历时3个月，10多个BAT级工业项目，保障每一位学员所学更多、效率更高、收获更大。

培养目标

从零开始，培养中高级机器学习工程师。挑战高薪、玩转AI。

特色服务

· 全面涵盖机器学习重要知识点

集训营内容分为八大部分，涵盖教你零基础快速上手编程、数据爬取、数据分析、数据可视化、玩转大数据、机器学习从原理到实战、深度学习从原理到实战、BAT工业级大项目实战。

· 提供GPU云实验平台

还原BAT真实生产环境，提供工业数据和国内首创的价值数十万的GPU云实验平台（提前装tensorflow、caffe、mxnet等主流DL框架和相关数据）。提供完善的实验平台供您动手、真枪实战，拒绝纸上谈兵。

· 线上线下项目实训

通过在线课程从头到尾掌握机器学习工业项目的各项流程、模型、算法，通过在线实训巩固强化实战所学，通过线下项目辅导练就ML工业项目的全栈能力。

· BAT专家级讲师 + 助教全方位辅导

我们拥有来自BAT的专家级讲师和数位助教，给你全程1v1般的定制辅导。通过GPU + jupyter notebook + GitHub在线提交作业，然后讲师和助教在线批改、讲解作业，且提供可执行的交互式代码，从而每次课都是标准化配置，涵盖：GPU、原理、案例、数据、代码、作业。有问题，课上直播课后答疑，手把手教会为止。

· 简历优化

根据集训营实战项目，将涉及到的关键知识点和项目经历优化到您的简历中。

· 面试求职辅导 + 就业推荐

精讲机器学习工程师面试时常见考点/模型/算法，且BAT一线技术经理一对一模拟真实面试，从技术、表达等方面全方位提升您的面试能力。根据您的技术特长提供定制化的能力评估、就业指导以及包括BAT等一线互联网公司的工作机会推荐。3个月挑战年薪30~50万。

课程安排

·第一阶段：零基础快速上手编程

在线课程：1-基本python类型、判断与循环流程等

在线实训：2-python基本练习题

在线课程：3-文件/数据读写、面向对象、第三方库等

在线实训：4-多种数据读写与面向对象练习

线下实训：5-python基本练习题与 google python实战题

·第二阶段：数据爬取得心应手

在线课程：1-requestsbs4解析静态网页和selenium解析动态网页

在线实训：2-电商网站17huo和天气预报数据抓取、模拟百度关键字搜索

在线课程：3-模拟登陆与scrapy爬虫框架使用

在线实训：4-豆瓣电影数据抓取、创业邦投资机构数据抓取

线下实训：5-新闻网站与链家网数据爬取（基于scrapy实现）

·第三阶段：数据分析全攻略

在线课程：1-pandas花式数据统计与分析技能

在线实训：2-pandas综合练习

在线课程：3-用pandas完成机器学习数据预处理与特征工程

在线实训：4-pandas完成Kaggle机器学习预处理

线下实训：5-美国大选、共享单车数据分析

·第四阶段：可视化提升数据逼格技能get

在线课程：1-好用的python可视化利器matplotlib

在线实训：2-matplotlib完成Titanic和自行车租赁数据可视化

在线课程：3-自带各种数据拟合分析的可视化利器seaborn

在线实训：4-seaborn完成Titanic和自行车租赁数据可视化

线下实训：5-美国大选、共享单车可视化技能巩固与实战

·第五阶段：玩转大数据

在线课程：1-hadoop与map-reduce

在线实训：2-手写map-reduce完成词频统计，制作词云

在线课程：3-Spark与大数据处理

在线实训：4-Spark大数据日志分析

线下实训：5-大数据分析处理案例

·第六阶段：机器学习原理到实战

在线课程：1-机器学习流程、预处理、特征工程

在线实训：2-Kaggle机器学习比赛中的特征工程处理实战

在线课程：3-模型评判标准与部分机器学习有监督算法

在线实训：4-sklean接口熟悉与机器学习建模指导

线下实训：5-sklearn建模与使用

在线课程：6-机器学习有监督算法与无监督学习

在线实训：7-sklearn刷Kaggle比赛题

在线课程：8-机器学习集成算法与大杀器Xgboost/LightGBM

在线实训：9-Xgboost与LightGBM使用

在线课程：10-数据科学比赛精讲

在线实训：11-数据科学比赛练习赛

线下实训：12-集成算法与场景建模

·第七阶段：深度学习原理到实战

在线课程：1-深度神经网络、google wide&&deep模型、腾讯通用CTR神经网络框架与实现

在线课程：2-卷积神经网络、caffe实战图像分类、Tensorflow实战图像风格变换实现

在线课程：3-循环神经网络、Tensorflow实战情感分析与文本生成实现

线下实训：4-Caffe&&Tensorflow实战

·第八阶段：实际综合项目与就业指导

线下实训：1-自然语言处理项目

(文本数据抓取+spark/pandas数据分析+可视化+特征抽取+Sklearn/Spark机器学习建模+深度学习建模)

线下实训：2-分类与推荐系统实战

(音乐数据抓取+spark/pandas分析+可视化+协同过滤+隐语义模型+特征抽取分类建模)

线下实训：3-图像项目

(图像分类+图像检索)

线下实训：4-机器学习面试辅导

(面试注意点+常见面试考点精讲+简历指导+项目展示)

实战项目

· 新闻网站与链家网数据爬取

通过对新闻网站和链家网进行数据爬取，巩固静态网站爬取技巧，掌握技能包括requests库的使用、网页解析、正则表达式应用，中文文本处理等。

· 豆瓣与链家详情数据爬取

通过对豆瓣链家微信公众号等进行数据爬取，掌握登录网站数据获取的知识，掌握技能包括模拟登陆，数据爬取与解析，多类数据爬取。

· 大数据分析处理案例

通过对大文件日志的分析，熟悉hadoop，spark写map-reduce处理海量数据的方法，并对电商数据进行处理，get工业界常用大数据技能。

更多实战项目，请点击阅读原文。

讲师介绍

寒小阳

著名电商搜索广告负责人，多年实际ml/DL/dm项目经验，专注海量数据上机器学习算法的应用与优化。做过推荐系统、NLP、点击率预估、图像识别。讲课清晰易懂，擅长用实际数据、代码、案例说话，备受数千名学员好评。

林老师

原BAT高级技术专家，更早时期先后任职于微软、EMC等，从事过操作系统、数据库和云存储相关产品的研发。擅长Python数据分析、爬虫。曾多次作为面试官参与BAT/EMC校招面试与出题，善于剖析leetcode经典题型、助人入门、提高。

David陈

人大统计系数据挖掘与统计应用硕士，从事数据分析挖掘多年，开发过某金融公司量化自动交易系统。现为七月在线Python教学负责人，喜爱以数据去理解事物，擅长从零起步，一步步将复杂问题简单通俗阐述，备受广大学员欢迎。

时间安排

2018年1月8日起正式上课，为期近3个月

在线课程 周一20:00PM--22:00PM

在线实训 周二20:00PM--22:00PM

在线课程 周三20:00PM--22:00PM

在线实训 周四20:00PM--22:00PM

线下实战 周日09:00AM--13:00PM

福利大放送

这个双十一，来七月在线活动会场，福利人人有份：免费送课，免费送【AI工程师成长之路】合集，Mac、爱疯等你抽!

收藏链接：http://www.julyedu.com/sale/pre_1111

11.10-11.12抢课、抽Mac

扫码领【AI工程师成长之路】合集

戳原文，抽奖，享福利