大数据，云计算，人工智能是互为一体的。
大数据只是客观存在的大量大量大量的数据，云计算是抽取和存储大量数据的技术。但是这么大量的数据不是人工能处理的，人工智能的分析预测才能真正发挥出大数据的价值。
为什么要学习人工智能？
在互联网时代风口，会编程就能轻松进阿里腾讯，现在就是年薪百万
在移动互联网的风口，会ios就能加入美团头条，现在也不差钱。
下一个风口是什么？如果获得下一个风口的入场券？我觉得就是人工智能技术。
so人工智能很重要，如何入门？
看书？
买了当当排名前几位的周志华机器学习，深度学习，满本书都是数学公式，根本不是给人看的，无法入门。
看电影？
alphago阿尔法围棋纪录片，拍的不错。
讲了4-1战胜李世石，增加对人工智能的感性认识，原理只讲了一点，阿尔法围棋用了三套算法，后续走势预测、价值评估系统啥的。
但其他没有什么关于人工智能的电影或记录片的，如果有欢迎推荐。
从知识源头学起
如果你想认真学习人工智能知识，又不想被大部头的书打消积极性，可以尝试看一些视频教程。
推荐吴恩达视频
吴恩达是谁？
请搜索引擎自己看。
在哪里学？
网易云课堂，搜吴恩达，有中文字幕。
如果你想快速了解吴恩达机器学习课程讲了什么，也可以继续看下去
吴恩达视频讲了什么
整体结构，一共151节课，20章
第一章5节课
总体介绍了机器学习，监督学习，无监督学习的概念。入门课，大概听一下找找感觉。
第二章、单变量线性回归，6-13小节——最简单的线性模型
1、代价函数，也叫平方误差函数
从最简单的线性模型开始。预测房屋价格。
通过房屋的大小，预测房屋价格，利用训练集，机器学习出假设函数h。主要是通过训练集确定假设函数h的2个参数取值。
代价函数简化
代价函数图形化
一个参数的代价函数
2个参数的代价函数图形
等高线的图形
2、梯度下降：将代价函数J最小化的算法——最优化最基本的算法
梯度下降的目标：条件是已知代价函数，求代价函数的最小值。思路就是不断变化代价函数的参数，使代价函数的值不断变小，直至最小。
梯度下降图形化：2个参数的代价函数，就是沿着那条黑线找到最低洼的点。
梯度下降的公式：
其中，“：=”是赋值的含义，阿尔法是学习率
同时注意要2个参数要一起更新，为啥要一起更新说后面会讲。
公式里导数的原理
导数就是斜率：
当取点在最小值右侧时，导数>0，减去一个正数，参数不断变小，斜率变小，不断接近最小值。
当取点在最小值左侧时，导致<0，减去一个负数，参数不断变大，斜率还是不断变小，不断接近最小值。
局部最优点：导数=0不一定就是最优点。
梯度下降收敛
学习率固定，但导数不断变小，所以参数变化率变小，越靠近最小值，参数的变化值越小。
batch梯度下降，是梯度下降算法的一种，用全部样本来计算。
第三章、复习矩阵，14-19小节
快速复习了矩阵基本运算，矩阵加法，乘法，矩阵的逆和转置。如果你学习过线性代数或考研考过数学应该没问题，如果没有听过类似概念建议找一本线性代数的书看一下。
矩阵乘法
重点关注引入矩阵的意义：可以简化运算，用一个矩阵运算表示一组运算，简化运算复杂度。
高等数学是人工智能的一个门槛。
数学很重要，但是建议具有本科数学基础的你，不要花费太多时间去刷数学书，这是南辕北辙，最好的办法还是直捣黄龙学习机器学习算法，到了看不懂的地方再去补充相应的数学知识，斯坦福的教程里就有大量的数学补充材料，很多时候读明白这些补充材料就够了。
第四章、环境配置，20-27小节
课程里主要用到Matlab和octave2个基础环境，这一章就是教你安装好环境，没讲啥内容。Matlab可以到官网下载，不过要收费，octave是开源软件，可以去官网免费下载（http://www.gnu.org/software/octave/）。
计算机技能是人工智能的又一个门槛
进度实时更新中，争取每天看3个小节。
