1.人工智能

数据：数字，文字，图形，图像，视频，音频....。数据并不单单是数字。

AI时代就是数据的时代，凡是涉及到数据的就可以叫做AI。

数据爆发的时代，很多时候我们依赖的不再是人的经验，而通过数据做更理智的决策。

AI带来的是AI思维，数据思维。

AI顶级会议：AAAI, ICML

未来5-10年的趋势将是AI技能普遍到所有岗位。

下面是AI的发展趋势：

1.科研人员创造知识

2.专业人士-有能力做一些改造现有算法的人-这部分人群是市面上最缺失的人才

3.AI人士-使用AI工具/库/模型去调参

4.每个人-使用AI去做一些简单的问题。

例如：

财务需要懂得如何使用Python和数据分析工具更高效地工作；

运营懂得如何分析数据来做精准化营销；

销售懂得如何通过构造用户画像去提升转化率和业绩；

产品经理懂得如果通过数据分析来调整产品策略；

人力懂得如何通过数据来精准筛选简历和人才等等。

所有这些问题的核心就是机器学习。也就是数学问题。

八大项目：

1.图像识别：

给定一个图片利用算法去识别是什么物体。

KNN算法

2.情感分析

文本领域

目的：输入一个文本，通过算法分析是积极的、消极的还是中性的。

怎么做？

1.文本的表示

如何把文本表示成一个向量

文本预处理来清洗文本和处理文本

利用各种各样的分类型的算法去识别情感，例如逻辑回归、朴素贝叶斯、决策树。

3.金融风控

分析用户是否会有逾期（借钱）的行为。

利用这些信息，包括一些基本信息以及他的行为数据，去分析用户是否抑郁逾期的行为。

4.用户群体分析

营销领域。

分析个体的特点，通过用户的基本信息及他的行为数据做用户的分层，用户分层后做个性化营销方案。

经典算法：聚类算法-Kmeans算法

5.广告点击率预测

在互联网公司，一般是通过做广告进行营销，我们要做的就是一个用户点击一个广告的概率

概率高就展示广告。

目的：通过用户的一些行为数据去预测

经典算法：分类型的算法、特征选择、特征工程的技术

6.新闻推荐

推荐系统

基于内容及文本及特征工程的算法来做个性化的新闻推荐工作

7.Chatbot中的意图识别

1.纯聊天

2.为了解决某个问题-意图

例如：查机票有没有

技术：文本技术及SVM和核函数的技术

8.股价预测

量化投资，预测一个股价的走势

技术：特征选择，特征工程，不同分类算法、评估方法。