經過一段時間的醞釀，小白學AI系列也正是開始了！小編將從三個階段和大家一起入門人工智能，掌握常用機器學習算法和數據分析技巧。小編專業爲數據融合方向，也曾接觸過機器學習，但由於人工智能本身就很龐大，小編也只是略懂一二，寫過BP神經網絡，看過MIT用強化學習進行無人機的控制，但都是淺嘗輒止。小白學AI系列是一個入門機器學習系列，小編將和大家一起學習機器學習常用算法，由理論到實踐，由淺入深，其中也會穿插介紹Linux操作系統相關知識，本系列針對人工智能感興趣的初學者，總共分爲三個階段。
我們主要學習Python編程語言和廣受好評的機器學西課程。《Python基礎教程》作爲我們學習Python的入門書籍；而入門課程則是大名鼎鼎的Andrew Ng(吳恩達)老師的《機器學習》。
課程地址：機器學習
Github:課程筆記
第二階段
第二階段進行機器學習的實戰練習 ，學習在kaggle進行機器學習比賽，做一些入門級別的機器學習項目。主要內容爲：《python機器學習實踐：從零開始通往Kaggle競賽之路》 以及 《機器學習實戰》。
第三階段
第三階段將進行深度學習的入門學習，相對於傳統的機器學習方法，深度學習我們更注重實踐，主要以李沐的《動手深度學習》爲主
AI發展史簡述
人工智能（Artificial Intelligence），英文縮寫爲AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人們對人工智能的追求可以追溯到希臘神話中出現的機械人和人造人，如赫淮斯托斯的黃金機器人和皮格馬利翁的伽拉忒亞。
“計算機科學之父”—阿蘭·圖靈（Alan Mathison Turing）在1936年發表的論文《論數字計算在決斷難題中的應用》對“可計算性”下了一個嚴格的數學定義，並提出了著名的“圖靈機”設想；在後來發表的論文《機器能思考嗎》中提出了著名的圖靈測試：如果一臺機器能夠與人類展開對話而不能被辨別出其機器身份，那麼這臺機器就是智能的。
維納
18歲就取得數理邏輯博士學位的神童維納被稱爲“控制論之父”，我們可能經常聽到卡爾曼濾波，其實在這之前，還有大名鼎鼎的維納濾波。1940年，維納開始思考計算機如何像大腦一樣工作的問題。維納認爲計算機是一個進行信息處理和信息轉換的系統，只要這個系統能得到數據，就可以做任何事情。作爲控制理論大佬，他抓住了一個人工智能的核心—反饋，因此也被認爲是“行爲主義學派”的奠基人，其對人工神經網絡的研究也影響深遠。
-----
介紹三位大佬，我們來回顧一下人工智能發展的五個時期
1956年~1974年 黃金期
這是人工智能發展的第一個黃金時期。“通用解題機“（GPS）被製造出來，約翰•麥卡錫發明了早期重要的人工智能語言LISP。研究者們在私下的交流和公開發表的論文中表達出相當樂觀的情緒，認爲具有完全智能的機器將在二十年內出現。美國的ARPA（即後來的DARPA，國防高等研究計劃局）每年也爲人工智能研究提供至少300萬美元的經費。
1974年~1980年 第一個低谷期
70年代初，AI開始遭遇到瓶頸問題，AI只能解決衆多問題中最簡單的那部分，也就是這些AI程序只是”工具”，無法很好的解決實際問題，這也侷限於當時計算機的運算能力以及計算的複雜性和指數爆炸。加之人們起初對AI過高的期望，因此AI進入第一個寒冬期，各國政府和機構減少對AI的經費支持。
1980年～1987年 再次繁榮
“專家系統“AI程序的誕生再一次使得人工智能進入繁榮期。專家系統能夠依據一組從專門知識中推演出的邏輯規則在某一特定領域回答或解決問題。1980年CMU爲DEC（Digital Equipment Corporation，數字設備公司）設計了一個名爲XCON的專家系統，這是一個巨大的成功。在1986年之前，它每年爲公司省下四千萬美元。
1987年～1993年 AI之冬
“AI之冬（en:AI winter）”一詞由經歷過1974年經費削減的研究者們創造出來。他們注意到了對專家系統的狂熱追捧，預計不久後人們將轉向失望。事實被他們不幸言中：從80年代末到90年代初，AI遭遇了一系列財政問題。Apple和IBM生產的臺式機性能不斷提升，到1987年時其性能已經超過了Symbolics和其他廠家生產的昂貴的Lisp機。老產品失去了存在的理由：一夜之間這個價值五億美元的產業土崩瓦解。
1993年～至今 人工智能的今天
1997年，IBM的深藍戰勝國際象棋世界冠軍卡斯帕羅夫；2009年，螺絲聯邦理工學院發起的藍腦計劃，生成已經成功模擬了部分鼠腦；2016年，谷歌的AlphaGO戰勝韓國李世石。人工智能進入全面的發展時期，計算機視覺、自然語言處理、機器人控制、推薦系統等各個方面都有人工智能的身影，並且發揮越來越重要的作用。
回顧完人工智能的簡史，也讓我們開始一場神奇的小白AI系列的神奇之旅吧！
