什么是人工智能？
人工智能（AI），顾名思义，就是如何变得明智。简单来说，人工智能主要研究如何利用计算机的功能来完成一些必须由人类执行的任务;简而言之，它是通过计算机执行人类智能的过程，可以显示类似于人类的智能。
什么是机器学习
机器学习 （ML） 是使用算法对收集的数据进行分类或预测。将来，当获得新数据时，可以使用经过训练的模型进行预测。如果这些性能评估可以通过使用过去的数据来实现，则称为机器学习。
ML具有广泛的应用，如推荐引擎、天气预报、人脸识别、指纹识别、车牌识别、医疗诊断辅助、测谎、文档分析、语音处理等。
什么是深度学习？
这种深度学习（DL）技术称为深度神经网络（DNN）。神经网络只是构造函数的一种方式。当我们提出问题并准备大量历史数据作为“考古问题”时，我们希望能够训练神经网络看到新问题并正确回答它们：例如，用于狗识别的神经网络可以在训练后正确训练。命名看不见的狗，这些狗排列成松散地模仿人类大脑的层次，学习模式的模式。
想知道区别在哪里？让我们一一了解它们。
人工智能和机器学习有什么区别？
机器学习是人工智能中包含的一种架构。由于最近机器学习的流行，许多人滥用人工智能和机器学习。人工智能是一个广义的术语。只要能表现出智能行为，就可以称为人工智能。即使背后有很多规则基础，只要看起来很聪明，也可以称为人工智能。
有没有可以应用于任何一种的无敌机器学习算法（模型）？
没有一种算法适合所有分析，这通常也称为无免费午餐定理。有必要在数据上下功夫，使用的模型根据数据而有所不同。要讨论算法的质量，它必须基于特定的问题类型。但是有一些基于经验法则的有用模型，例如逻辑回归，SVM，随机森林以及深度学习中的常见模型：CNN（图像识别），RNN（文本，语音），GAN等。
机器学习可以用于股票市场、债券、基金预测吗？
很难仅仅依靠股票市场的历史数据，也就是俗称的技术分析。原因是因为机器学习是查找数据背后的规则。如果它背后的规则不断变化，机器基本上很难学到一些东西，但碰巧股市背后的规则会不断变化。假设机器使用过去十年的数据发现，只要某个K线连续上涨两次，就有80%的几率第三次上涨，但有可能这个规则明天就会失败，甚至让你损失很多钱。但如果结合更多信息，比如社交网络的实时语义分析或财经新闻，如果今天有关于iPhone电池爆炸的信息，机器学习程序可以立即确定股价下跌的概率，并做出买入行动。但也有可能有负面消息，但价格仍然不断上涨。例如，比特币的负面消息不断上涨，但价格不断上涨，突破历史新高。另一方面，其他加密货币的价格没有负面消息，但一直在下跌。因此，使用机器学习来预测股市的成功是相当困难的。
机器学习、数据科学和统计学有什么区别？
数据科学只要用数据来分析，就可以称为数据科学，也只能用传统的统计学进行分析和预测。学会等同。
统计学有许多数学证明和假设，它侧重于数学可解释性。机器学习模型背后使用了很多统计概念，比如线性回归，它也是从统计学派生出来的。此外，在实践中，许多机器学习依靠经验规则和结果理论来推断。例如，根据预测结果判断哪个模型更好，而不是通过数学演绎来证明。
机器学习的种类？
- 监督学习
- 无监督学习
- 半监督学习
- 强化学习
机器学习和深度学习有什么区别？
深度学习原本是机器学习的一部分，但当时深度学习的速度太慢，所以被SVM等算法所取代。然而，由于近年来 GPU 硬件性能的增长，深度学习已经克服了以前的速度问题和成就。显然，在它成为热门话题之后，很多人将深度学习作为一个独立于机器学习的领域来讨论。而深度学习中“deep”这个名字的由来，是因为神经网络状的隐藏层中有很多层，在视觉上看起来非常深。
