1、人工智能：是用来模拟人类认知的软件。认知不同于理解，现在的人工智能水平还达不到理解的水平。
大数据：顾名思义，即数据量很大，通过利用大数据技术，数据越多，人工智能AI越能发现数据中所隐藏的人类无法发现的潜在规律。
深度学习：可以解决图像、音视频、自然语言等基于统计学算法无法计算的问题。
区块链：一个分布式的数据库，具有不可篡改性。共识机制、挖矿。
量子计算：在0和1之间还可以同时存在叠加状态。
传统计算：仅在0或1之间交替，以处理信息。
2、对比机器学习与深度学习：机器学习是利用已有的数据，通过计算得出一些规律，通过这些规律进行结果的预测；而深度学习则主要采用暴力算法，通过微调参数寻找最优值，其中用到了多层神经网络。深度学习主要利用神经网络以及暴力读取大量数据训练出一个人工智能模型，通过训练出来的模型进行数值预测，通过微调参数来调节模型的精度，最终实现算法。
注：深度学习算法并不能解决所有的问题。
3、数据分析与可视化技术
①数学基础：统计学、线性代数、微积分
②图形化数据挖掘与AI开发工具：Knime
③Python语言
④机器学习与深度学习框架：scikit-learn（机器学习框架）、Keras+TensorFlow（深度学习框架）、PyTorch（深度学习框架）、PaddlePaddle（深度学习框架）
⑤实战项目：机器学习、推荐系统、深度学习、自然语言处理。
版权声明：本文为qq_36633059原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。