机器学习与深度学习有什么异同
机器学习与深度学习的区别 深度学习与一般机器学习的区别是什么
1：一般的机器学习一般指决策树、逻辑回归、支持向量机、xgboost等。深学习的主要特点是使用深神经网络：深卷积网络、深循环网络、递归网络等。算法在层次上没有相似性。很难说相似性可能是每个人的函数都是为了拟合高维函数。
2：一般机器学习在分析低维、可解释性强的任务时表现得更好。例如，数据挖掘和推荐算法。它们的特点是，一般情况下，采集的数据维数不高。以广告推送任务为例，一般分析的数据维度仅包括性别、年龄、学历、职业等，参数调整方向明确。
3：深度学习算法擅长分析高维数据。例如图像、语音等。例如，一张图片可能有几千万像素，相当于几千万个特征向量维度，像素之间的关系不是特别明显。在这种情况下，卷积神经网络能够有效地处理这一问题，基本上能够非常准确地掌握图像的特征。然而，各个维度的解释力都很弱，参数调整的方向也很不明确（神经元数量、隐含层数量等） 综上所述，其实两者是截然不同的。深度学习是近几年才发展起来的。传统的机器学习算法大多来源于概率论和信息学。在编程方面，传统的机器学习模型基本上集成在sklearn包中。对于深度学习，tensorflow可以作为一个框架 对于详细的理解，传统的机器学习可以从李航的统计原理或者周志华的机器学习（也称西瓜书）中看到。由于近两年来很少有关于深度学习的书籍，我们可以查阅过去两年中关于深度学习的论文，当然，它们都需要坚实的数学基础，主要是这三本书：线性代数或高等代数、高等数学或数学分析，概率论或随机过程
人工智能这个专业是干什么的
谢谢邀请！
作为一名教育领域的工作者，同时大数据和机器学习也是我的主要研究方向，所以我来回答一下这个问题。
随着人工智能领域的发展，整个科技行业对于人工智能专业人才的需求量在持续加大，传统的研究生教育方式已经不能满足巨大的市场需求，所以人工智能人才的教育必然会向本科教育下沉，目前一小部分教育资源比较丰富的高校（以双一流高校为主）陆续开设了人工智能专业。
人工智能的本质是获取知识、创造知识并合理运用知识达到某种目的的能力，而且是一种通用的能力。从体现结构上来说，人工智能系统有三个大的组成部分，分别是感知系统、智力系统和行动系统，当然还离不开环境的支持。感知系统和行动系统需要物联网的支持、智力系统需要大数据和云计算的支持，所以人工智能是一个典型的交叉学科。
从知识体系结构上来说，人工智能目前的研究内容集中在六大方面，包括计算机视觉、自然语言处理、机器学习、机器人学、自动推理和知识表示，目前计算机视觉领域和自然语言处理领域已经成长了一批具有较强竞争力的科技企业。
从人工智能专业的课程设置来看，重点包括三个部分，其一是基础学科，重点是数学和物理；其二是计算机基础知识，重点是操作系统、计算机网络、算法设计和数据结构等内容；其三是人工智能基础知识，涉及到人工智能基础概念、推理和求解、知识表示、感知、通讯和行动等几个大的部分。
虽然目前人工智能领域的热度比较高，一部分智能体也开始走进生产环境，但是人工智能行业依然处在初期阶段，还有大量的课题有待攻克，所以选择人工智能专业最好读一下研究生。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！
MBA联考，数学怎么准备
本人总分256，管综176，一路走来数学是我最大的拦路虎，写一些东西希望能给答主和各位学弟学妹们一些小小的帮助和参考。
本人数学为啥菜？？原因很简单，高中是个文科生，大学学得纯文科的专业，借用我之前的回答：
数学思维？抱歉不存在的。小学生水平的运算速度（我可能是在黑小学生），再加上梵高一样的严谨的图形处理能力。
所以数学对于我来说，就像DOTA主播的是从零单排，我也不知道会遇到些什么.....
复习不到一年，绝大部分时间都花在了数学身上，期间走过不少弯路，掉进过不少明坑暗井，下面总结一下我的经验：（不知道能不能对你有用，如果没用也不要打我，我敲字敲得还蛮辛苦的，走过路过如果觉得不错可以帮我留个赞什么的）。
第一阶：学习技巧
学习数学的第一阶段，绝对不是做题！
我认识一位大哥，是个专业羽毛球教练，他曾经和我说：新手进训练营，半年只练习挥拍，球半年来碰都不能碰一下，但是半年之后，把球给你，你就能吊打那些自认为羽毛球打得很好的老大哥们。
挥拍=数学思维和技巧
打球=刷题做题
这条经验就是以浪费我两个月时间为代价换回来的，务必相信我。
推荐课程：孙光坤管综数学
这位老师在坐的各位可能并不是非常耳熟，但是他就是编写高数教材的哪位大神
（这是我听了很多很多节课之后才知道的，因为我从来没学过什么高数哈哈哈哈哈）
为什么推荐孙老师的课？原因很简单：我这样数学基础为0.5的数学学渣都能听懂，他对新手真的很友好。
而且他很重视数学思维和技巧的培养，这点真的很重要。
第二阶：利用技巧刷题+错题总结
这里需要推荐教材了：
和老孙学技时的教材+题库，内容相当全面，大部分时间都要花在这本书上：一定要吃透！！这本书虽然比较厚，但是没有废话！
这里面的题，刷吧，相信老孙的专业水平。
“刷”这一个字说着简单，做起来真是痛苦和枯燥，希望各位不要倒在这一步。
错题方面，一定要弄懂再记！弄懂再记！不要为了总结错题而总结，你不是出书搞出版，你是来学习知识的，不懂就要问，最好找老师！少找那些专业知识并不是非常过关的学长和学姐们！（当然这里也包括我，数学这玩意一年不练习就凉凉了）
这里还是要夸一夸咱老孙，上图吧：
老孙亲自判的，函数部分全对！还得到孙光坤老师的表扬来着当初跟了老孙好几个月，第一次收到老孙表扬！当时的截图到现在我还留着：
第三阶：羽化登仙
如果你刷题时的正确率已经复合要求，解题技巧和数学思维也已经完善了，那么恭喜进入第三阶段：
真题+难度加深阶段。
哦我前文忘记说了，没有到达这个阶段之前，别霍霍（天津方言：糟蹋）整套真题！任何科目都一样，整套真题是冲刺阶段很重要的素材。
说道难度加深。再推荐一本书：
就像书名一样：高分指南，一定要保证你的分数能达到“中分”，才推荐练这本书。
内容本身难度比较大，有比较大的深度。但对于一个学习了好几个月老手来说，还是比较重要的。
就酱：三个阶段都能顺利完成，数学的仙基本上就修成功了。
未来想从事数据分析师（数据挖掘）本科应该选择什么专业
数据分析师的三大基本功分别是统计学，计算机编程和业务理解。从这三个角度去理解。
第一种：大数据类：大数据科学与技术、大数据管理（这个专业是属于管理科学里的，有的大学“信息管理大类”中专业分流可能包含）。
第二类：统计学类：经济统计学，金融统计学，应用统计学，生物统计学…各种统计学都行。
第三类：数学类：数学与应用数学，金融数学等。数学好的同学，学统计比较快。
第四类：经管类：计量经济学，金融工程，精算甚至财务会计。经管类的优势是业务理解，劣势是编程较弱，可以自学或者辅修。
第五类：计算机相关的：电子商务，信息管理与信息系统。
应届生求职数据分析师，硕士起步。所以在选择本科专业时，也要充分考虑读研究生的可行性。国内外的研究生都行。
我是大学就业中心的老师，如果觉得解答有用，欢迎关注我的头条号。有关大学专业，就业，职业规划等疑问欢迎交流。
什么是AI，怎么学AI,要学什么
什么是AI，搜狗百科、百度百科均可以给你答案。但形象点说，什么是AI？举个例子：智能手表、人脸识别、马爸爸出品的天猫精灵、响彻围棋界的AlphaGo、达芬奇手术机器人......太多啦。它们能存储海量的数据，还能运用“智慧”来分析、处理及操作。AI正悄无声息的改变人类的生活。
如何学习AI，李开复的《人工智能》、杨澜的《人工智能真的来了》等类似书籍都能给你一个大的概念，对于完全不懂的AI小白来说，这是了解AI世界一个很好的途径。再就是推荐松尾丰的《人工智能狂潮》、MargaretA.Boden的《AI：ItsNatureandFuture》对进一步理解AI专业领域的概念及原理很有帮助。都适合AI小白去学习。至于需要进一步学习AI计算机领域专业级别知识的话，我作为一个非AI专业技术人员就不说大话了，等技术大神来此指导吧。
本人关注AI在医疗方面的应用及国际上最新的前沿进展，作为一个有专业医学背景的AI爱好者为大家带来AI在现在及未来医疗中的最前沿的知识更新。无论你是医务工作者还是患者，是医疗AI技术控还是创投企业与个人，只要你对医疗AI感兴趣，欢迎加入我们WeChat—“Med_AI”，相信我，你绝对不会失望！
大学高数不会做，有什么app可以帮助解决吗
大学高数其实题型变化不多，做好书上例题就差不多了，个人经验，做懂一套卷，考试就没什么问题。
需要课后习题答案吗？可以私信我
机器学习是什么意思
在开始学习机器学习之前，先对”人工智能“、”机器学习“、”深度学习“三者的区别做个简单了解。
人工智能：artificialintelligence,简称AI.指在计算机科学的基础上，综合数学、信息论、心理学等知识，制造能模拟人类智能行为的计算机系统的学科。
机器学习：机器学习是通过数据或以往的经验自动改进计算机算法的研究。
深度学习：深度学习是机器学习的分支，是一种使用多重非线性变换构成的多个处理层对数据进行高层抽象算法。