人工智能学习路线

（一）Python3

基础语法、Numpy计算库、Pandas分析库、Matplotlib可视库

（二）机器学习（数据-算法-模型-结果）

分类任务/回归任务、监督学习/非监督学习、离线学习/在线学习

K邻近、线性回归、多项式回归、逻辑回归、决策树、随机森林、梯度下降、梯度上升、集成学习

Scikit-learn机器学习

（三）深度学习

Tensorflow生态（Life、JS、Extended、Pro、TPUCloud（cpu、gpu））

Tensorflow特点（GPU加速、自动求导、神经网络API）

CNN（卷积神经网络）：

一种用于图像识别和分类任务的深度学习神经网络类型。

CNN被设计用于自动和自适应地从输入数据中学习空间特征层次。

RNN（循环神经网络）：

一种神经网络架构，专门用于处理序列数据。

RNN具有形成有向循环的连接，使信息能够随时间持续存在。

这使其适用于时间序列预测、自然语言处理和语音识别等任务。

GAN（生成对抗网络）：

一种深度学习模型，由两个神经网络组成，分别是生成器和判别器，它们在竞争环境中同时进行训练。

生成器创建新的数据样本，而判别器试图区分真实数据和生成数据。

GAN通常用于生成逼真的图像、视频和其他类型的数据。