1-2　AI的学习地图

AI的发展划分为三个阶段，每一阶段的重点分别为人工智能、机器学习（Machine Learning）、深度学习（Deep Learning），每一阶段都在缩小范围，聚焦在特定的算法，机器学习是人工智能的部分领域，而深度学习又属于机器学习的部分算法，如图1.3所示。

图1.3　AI三个阶段的重点

而一般教育机构规划AI的学习地图即依照这个轨迹，逐步深入各项技术，通常分为四个阶段，如图1.4所示。

图1.4　AI学习地图

（1）数据科学（Data Science）入门：内容包括Python/R程序语言、数据分析（Data Analysis）、大数据平台（Hadoop、Spark）等。

（2）机器学习：包含一些典型的算法，如回归、Logistic回归、支持向量机（SVM）、K-means聚类算法等，这些算法虽然简单，但却非常实用，比较容易在一般企业内普遍性地导入。通常机器学习的大致分类如图1.5所示。

图1.5　机器学习分类

最新的发展还有半监督学习（Semi-supervised Learning）、自我学习（Self Learning）、联合学习（Federated Learning）等，不一而足，我们千万不要被分类限制了想象。

另外，数据挖掘（Data Mining）与机器学习的算法大量重叠，其间的差异在于，数据挖掘是着重挖掘数据的隐藏样态（Pattern），而机器学习则着重于预测。

（3）深度学习：深度学习属于机器学习中的一环，所谓深度（Deep）是指多层式架构的模型，如各种神经网络（Neural Network）模型、强化学习（Reinforcement Learning, RL）算法等，以多层的神经层或try-and-error的方式实现以优化（Optimization）或反复的方式求解。

（4）实务及专题探讨（Capstone Project）：将各种算法应用于各类领域、行业，强调专题探讨及产业应用实践。