AI 基础知识
现代 AI 建立在数据科学和机器学习的基础之上。 AI 的主要目标是利用机器来实现通常与人类相关的能力。 让我们了解为 AI 奠定基础的数据科学概念。
什么是数据科学？
数据科学是一个跨学科领域，目标是实现 AI。 AI 主要使用机器学习和统计技术。 在大多数情况下，数据科学家是负责解决 AI 问题的专家。
什么是机器学习？
机器学习是一种技术，是指计算机通过研究大量数据来寻找模式。 此方法通常用于 AI 目的。 机器学习利用算法来训练计算机，学习如何基于数据的不同特征来掌握模式。 训练数据越多，预测则越精确。
下面是一些示例：
- 电子邮件垃圾邮件检测 - 机器学习可以查找以下模式：电子邮件包含“免费”或“保证”等字样，电子邮件地址域位于阻止列表中，或者文本中显示的链接与后面的 URL 不一致。
- 信用卡欺诈检测 - 机器学习可以研究以下模式：在持卡人不经常去的地方出现消费行为；购买高价商品；或者突然地疯狂购物。
什么是深度学习？
深度学习是机器学习的一部分。 深度学习是模仿人类大脑处理信息的方式，作为一个连接的人工神经网络。 与机器学习不同，深度学习自己就能够发现关于数据的复杂模式和不同特征。 它通常适用于非结构化数据，如图像、文本和音频。 它需要大量数据才能实现更准确的分析，同时需要强大的算力才能快速运行。
例如，深度学习可用于检测医学图像中的癌细胞。 深度学习扫描图像中的每个像素以作为神经节点的输入。 节点会分析每个像素以过滤出看起来像癌细胞的特征。 每层节点会将发现的潜在癌细胞结果推送到下一层节点以重复筛选过程，最终聚合所有发现结果来对图像分类。 例如，该图像可以归类为健康图像或具有癌性特征的图像。
接下来，让我们了解可用于在业务中添加 AI 功能的四类 Microsoft 工具。