您可能从AI听过机器学，例如机器学习或数据科学或神经网络或深度学习。
这些术语意味着什么？在这个视频中，您将看到人工智能的最重要概念的术语是什么，以便您与其他人讨论并开始思考这些事情如何适用于您的业务。
让我们开始吧。
假设你有一个这样的房屋数据集，房子的大小，卧室的数量，浴室的数量，房子是否是新装修的价格。
如果你想建立一个移动应用程序到helppeople价格公司，所以这将是输入A，这将是输出B.
然后，这将是一个机器学习系统，特别是那些学习输出输入或A到B映射的机器学习系统之一。
因此，机器学习会导致运行的AI系统。
所以，它是一个软件，随时随地都可以自动输入A的这些属性和输出B.
因此，如果你有AI系统运行，为数十万或数千万用户提供服务，那通常就是机器学习系统。
相比之下，这里有一些你可能想要做的事情，那就是让团队分析你的数据集，以获得洞察力。
所以，一个团队可能会得出一个结论，比如，“嘿，你知道你是否有两个相似大小的房子，他们有相似的平方英尺，如果房子有三间卧室，那么它们花费的房子要多得多两间卧室，即使这个方块也是一样的。“
或者，”你知道吗，新装修的房屋有15％的溢价，这可以帮助你做出决定，例如，考虑到类似的平方英尺，你想建造两间卧室或三间卧室的房间，以便最大化价值吗？“或者， “翻新房屋是否值得投资，希望翻新能增加你卖房子的价格？”因此，这些将是数据科学项目的例子，其中一个数据科学项目的输出是一组可以帮助的见解你做出商业决策，比如建造什么类型的房子或是否要进行翻新。
这两个术语之间的界限，机器学习和数据科学实际上有点喧嚣，这些术语即使在今天的行业中也没有得到一致的使用。
但我在这里给出的可能是这些术语最常用的定义，但你不会发现这些定义的普遍遵守。
为了使这些特征更加正式化，机器学习是一个研究领域，它为计算机提供了学习的能力，而不需要进行明确的编程。
这是几十年前阿瑟塞缪尔的定义。
亚瑟·塞缪尔（Arthur Samuel）是机器学习的先驱之一，他以建立跳棋玩家计划而闻名。
他们可以玩跳棋，甚至比他自己更好，发明者可以玩游戏。
因此，机器学习项目通常会产生一个运行的软件，输出B给出A.
相比之下，数据科学是从数据中提取知识和见解的大小。
因此，数据科学项目的输出通常是幻灯片，PowerPoint演示文稿总结了高管采取业务行动的结论，或者总结了产品团队决定如何改进网站的结论。
让我举一个在线广告行业的机器学习与数据科学的例子。
今天，为了推出我们的平台，所有人都有一个人工智能，可以快速告诉他们你最有可能点击的广告。
所以，这是一个机器学习系统。
事实证明，这是一个令人难以置信的利润丰厚的人工智能系统，可以丰富您和您点击此处或不点击的广告和输出。
这些系统运行24-7。
这些机器学习系统推动了我们对这些公司的重视，例如运行的软件。
相比之下，我也在网络广告行业做过数据科学项目。
如果分析数据告诉你，例如，旅游业并没有购买大量广告，但如果你派出更多的销售人员向旅游公司出售广告，你可以说服他们使用更多广告，那么这就是数据科学的一个例子项目和数据科学结论，结果和管理人员决定要求销售团队花更多的时间与旅游业联系。
因此，即使在一家公司，您也可能拥有不同的机器学习和数据科学项目，这两个项目都具有不可或缺的价值。
你也听说过深度学习。
那么，什么是深度学习呢？假设你想要最高房价，你想要房价。
所以，你会有一个输入，告诉你房子的大小，卧室的数量，浴室的数量以及是否新装修。
价格之所以最有效的方式之一，考虑到这一点，我们应该把它送到这里，以便输出价格。
中间的这个大事叫做神经网络，有时候我们也称为人工神经网络。
这是为了将它与你脑中的神经网络区分开来。
因此，人类的大脑是由神经元组成的。
所以，当我们说人工神经网络时，这只是为了强调这不是生物大脑，而是一个软件。
神经网络做什么，或者人工神经网络做什么就是接受这个输入A，这是所有这四个东西，然后输出B，这是房子的估计价格。
现在，在本周的后续可选视频中，我将向您展示更多，这个人工神经网络究竟是什么。
但是所有的人类认知都是由你脑中的神经元组成的，通过电脉冲，彼此传递小的消息。
当我们绘制一个人工神经网络的图片时，对于大脑来说，这是一个非常松散的类型。
这些小圆圈被称为人工神经元，或简称神经元。
这也将神经元传递给对方。
这个大型的人工神经网络只是一个很大的数学方程，它告诉它给定输入A，你如何计算价格B.
如果这里看起来有很多细节，请不要担心。
我们稍后会详细讨论这些细节。
但关键的一点是神经网络是学习A到B或输入输出映射的一种非常有效的技术。
今天，术语神经网络和深度学习几乎可以互换使用，它们的意思基本相同。
几十年前，这种类型的软件被称为神经网络。
但是近年来，我们发现深度学习只是一个非常好的品牌，所以无论好坏，这个词最近都被淘汰了。
那么，神经网络或人工神经网络与大脑有什么关系呢？事实证明几乎没有。
神经网络最初是由大脑启发的，但是它们如何工作的细节几乎与生物学大脑的工作无关。
所以，我今天选择在人工神经网络和生物大脑之间进行任何类比，即使在那里有松散的灵感。
因此，AI有许多不同的工具。
在这个视频中，您了解了什么是机器学习和数据科学，以及什么是深度学习，以及什么是神经网络。
您可能还会在媒体中听到其他流行语，如无监督学习，强化学习，图形模型，计划，知识图等。
您不需要知道所有这些其他术语的含义，但这些只是让AI系统智能化计算机的其他工具。
我会尝试让您了解这些术语中的哪些术语也意味着内置视频。
但是，我希望你了解的最重要的工具是机器学习和数据科学以及深度学习和神经网络，这是一种非常强大的机器学习方式，有时也是数据科学。
如果我们要绘制一个展示所有这些概念如何组合在一起的维恩图，这就是它的样子。
人工智能是一套巨大的工具，可以智能地制作电脑。
关闭人工智能，最大的子集是来自机器学习的草原工具，但人工智能确实有其他机器学习工具，例如其中一些流行语，列在底部。
目前最重要的机器学习部分是神经网络或深度学习，这是一个非常强大的工具，用于执行监督学习或A到B映射以及其他事情。
但也有其他机器学习工具不仅仅是深度学习工具。
那么，数据科学如何适应这种情况呢？术语的使用方式不一致。
有些人会告诉你，数据科学是人工智能的一个子集。
有些人会告诉你AI是数据科学的一个子集。
所以，这取决于你问的是谁。
但我想说数据科学可能是所有这些工具的交叉子集，它们使用了许多AI机器学习和深度学习的工具，但是还有其他一些独立的工具可以解决一系列重要的问题，从而推动商业洞察力。
在这个视频中，你了解机器学习，什么是数据科学，什么是深度学习和神经网络。
我希望这能让您了解使用AI的最常见和最重要的语言，并且您可以开始思考这些事情如何适用于您的公司。
现在，公司擅长AI是什么意思？让我们在下一个视频中讨论这个问题。
讲师：Andrew Ng
课程：https://www.coursera.org/learn/ai-for-everyone
