每一个领域都有自己的专业术语，为了和那些在该领域扎根已久的同学搭上话，我煞费苦心，收集整理了以下这些术语。爱因斯坦说过一句名言，“任何傻瓜都可以知道，关键是要理解。”
理解就没那么容易了，但先知道这些概念的大概，再慢慢去深入理解。
AI-人工智能：
让机器拥有人类的智能，指机器模拟或模仿人类智能的方式运作的一般概念。AI可以具有各种功能，例如类似人类的通信或思考决策。ML-机器学习：
实现人工智能的一种方法。使用算法（也叫机器学习算法）分析（也叫训练）数据，从中学习知识，然后对世界上的某些事物做出决定或预测。也就是说，这和以前的编程不一样了，不是手动编写具有特定指令集的软件或者代码来完成特定任务，而是使用大量数据和算法对机器（程序）进行“训练”，使其能够学习如何执行任务。DL-深度学习：
实现机器学习的一种技术。深度学习的灵感来自大脑的结构和功能，即许多神经元的互连。在ML中，我们预先知道训练数据的特征及其输出分类，但在DL中，算法本身识别训练数据的相关特征/属性。NN-神经网络：
包括生物神经网络和人工神经网络。ANN-人工神经网络：
一种学习模型，可以像人脑一样工作，解决传统计算机系统难以解决的任务。CNN-卷积神经网络
：一种识别和理解图像的神经网络。RNN-递归神经网络
：具有树状阶层结构且网络节点按其连接顺序对输入信息进行递归的人工神经网络。NLG-自然语言生成：
指机器将结构化数据转换为人类可以理解的文本或语音的过程。NLP-自然语言处理：
任何机器执行语言会话等任务的能力的总称，例如语音识别、语义理解、机器翻译，百度、讯飞语音输入法等应用就属于自然语言处理。NLU-自然语言理解：
作为NLP的一个子集，它涉及帮助机器识别语言的预期含义，同时考虑其微妙的细微差别和任何语法错误。OCR-光学字符识别：
将手写或打印文本的图像识别并转换为机器可读文本，比如扫描仪。遗传算法 ：
是一类借鉴生物界的进化规律（适者生存、优胜劣汰遗传机制）演化而来的随机化搜索方法。监督学习：
是使用已知正确答案的示例数据来训练网络的学习方式。无监督学习：
现实生活中常常会有这样的问题：缺乏足够的经验，因此难以人工标注类别或进行人工类别标注的成本太高。很自然地，我们希望计算机能代我们完成这些工作，或至少提供一些帮助。根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题。最常见的无监督学习方法是聚类分析。强化学习 ：
机器被“教导”以通过实验和奖励来实现其目标功能。在强化学习中，机器产生了期望的结果时获得正强化，反之获得负强化。认知计算：
认知计算的一个目标是让计算机系统能够像人的大脑一样学习、思考，并做出正确的决策。人脑与电脑各有所长，认知计算系统可以成为一个很好的辅助性工具，配合人类进行工作，解决人脑所不擅长解决的一些问题。数据挖掘：
数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据科学：
包括数据获取 、数据存储与管理 、数据安全 、数据分析、数据可视化等。联系客服
