人工智能学习入门大纲

　　开篇之作，看了这么多年别人写的博客，今天也来尝试一下写一些自己的博客，与大家分享一下自己的东西，同样今天也是我开始学习人工智能的第一天（我一直在做汽车电子行业），从行业来说也是比较热门的，这让我的心也骚动了起来．
　　话不多说，今天也浏览了很多关于人工智能的博客与资料，自己也做了一个简单的总结，也是自己最近两三个月内的一个小目标，下面我就列出一些大方向上的总结，细致的知识点后面会慢慢更新出来，当然我的学习方式是用到什么学什么，有针对的去学习某一块知识点，这样效率会高一点．下面是我给自己定的一个学习小目标，有什么问题也希望大家不啬赐教．
　　先来了解一下机器学习中的三个名词：监督学习、无监督学习和强化学习：
　　监督学习：通过已有的训练样本来训练，从而得到一个最优的模型，再利用这个模型将所有新的样本数据映射为相应额度输出结果，对输出结果进行简单的判断从而实现分类的目的，那么这个最优模型就具有了对未知数据进行分类的能力．（有标准答案的试错学习）
　　无监督学习：事先没有任何训练数据样本，需要对数据直接进行建模．（根据一定额假设寻找数据内部的结构）．
　　强化学习：标准答案可能是后期的的一种反馈，不是及时的．（延迟满足，根据结果调整行为）．一、机器学习：
　　1、监督学习 SL
　　　　常用算法：
　　   　　1、KNN (K线近邻)
　　　　　2、线性回归
　　　　　3、线性分类
　　　　　4、神经网络 Neural Network
　　　　　5、SVM (支持向量机，非线性交换)
　　　　　6、决策数
　　　　　7、模型选择
　　　　　8、Graphic models
　　　　　9、Naive Bayes
　　2、无监督学习 UL
　　　　　１、PCA降维算法
　　　　　２、聚类算法
　　3、强化学习 RL
　　
二、深度学习
　　1、CNN 卷积