AI For Everyone：Andrew Ng想用30分钟的非技术课程传达的内容
AI for everyone是一門非技術性的課程，你將比世界上大多數CEO擁有更多的知識。至少Andrew Ng是這么說的。所以讓我們簡短地找出他想要表達的意思。
到2030年，人工智能將創造13萬億美元的價值，主要用于零售業，其次是旅游業和汽車業。
人工智能大致分為ANI(人工狹義智能)和AGI(人工通用智能)。隨著ANI的進步，人們錯誤地開始相信他們在AGI取得了進步。
不要在收集數據的IT基礎設施上花費太多。盡可能早的將數據反饋給AI團隊，讓他們知道收集到的數據是否有用，并能改變數據收集策略。也不是說數據越多，價值越大。
機器學習就是學習A到B的映射，其中A是輸入，B是輸出標簽，而數據科學更多的是從數據中提取見解和結論。機器學習的輸出是軟件，而數據科學的輸出是幻燈片。
深度學習是神經網絡的品牌名稱，它只不過是一個大的數學方程。神經網絡受到大腦的啟發，但其內部功能幾乎與大腦的實際工作方式無關。
就像：
? ? ?購物中心+互聯網=互聯網公司
? ?同樣地：? ? ??
? ? ?任意公司+深度學習= AI公司
任何問題，一個人可以用一秒鐘的思考做什么，并為其提供了大量的標簽數據，都可以通過有監督的ML自動化。
人工智能目前無法理解或理解手勢。人工智能無法通過少量的數據來學習復雜的任務。
對于機器學習：
收集數據，訓練模型和部署模型。
對于數據科學：
收集數據，分析數據，提出修改建議。
例如:在招聘中，數據科學通過分析數據來幫助我們優化招聘過程。而機器學習可以幫助自動篩選簡歷。
選擇對你的業務既可行又有價值的項目。在決定一個項目時，人工智能專家和領域專家應該一起工作。
自動化任務而不是作業，需要了解業務中的痛點。
即使沒有大數據，你也可以取得進步
除了商業上的勤奮和技術上的勤奮，還要考慮道德上的勤奮，你正在建設的項目是否會給人類帶來一些好處。
對于AI團隊，在測試集上指定您的統計驗收標準。
角色：
?軟件工程師:編寫像函數/子程序一樣的軟件代碼。
?機器學習工程師:負責創建模型。
???機器學習科學家:負責技術的擴展
???應用ML科學家:介于ML工程師和研究人員之間的角色。
???數據科學家:檢查數據并提供驅動業務決策的見解
???數據工程師:確保數據以一種安全和成本有效的方式容易訪問
???人工智能產品經理:要構建什么，什么是有價值的和可行的
執行相關的AI試點項目可設置6-12個月的跨度。
創建一個中心人工智能團隊，并在CAIO(首席人工智能官)的領導下將其分散到多個業務部門。最初，CEO應該向AI部門提供資金，而不是由BU提供資金，在初始投資之后，AI團隊必須展示出為BU創造的價值。
商業Leader必須明白人工智能能為他們的企業做什么。人工智能團隊Leader應該設定項目方向并監控資源。在公司內部，人工智能工程師應該接受培訓，從事AI pipeline方面的工作。
CLO應該知道如何策劃內容，而不是創建內容。
只有在執行了一兩個項目之后才去建立一個AI策略，否則它將成為一個學術策略而不是實際策略。不同的公司有不同的戰略。
一個好的產品以更少的數據開始擁有用戶。隨著時間的推移，這些用戶將生成可用于改進產品等的數據。
戰略數據采集。不要為了收集有用的數據而將產品貨幣化。應該提供機器學習工程師等新職位。
將工程人才與業務/銷售人才配對，尋找可行且有價值的項目。
不要期望人工智能項目第一次就能工作，也不要在人工智能項目中強制執行傳統的規劃流程。
結交朋友學習人工智能，集體討論項目并尋找導師！
對超級智能即將來臨的人工智能也不要過于樂觀。人工智能冬天即將來臨，人工智能也不會過于悲觀！在中間的某個地方！
AI的可解釋性很難。
AI可能會因偏見的數據而變得偏頗。
AI系統對Adversarial Attacks開放。未來公司可能會與對抗性攻擊者展開激戰。
美國和中國在人工智能領域處于領先地位，但這項技術仍然不成熟，讓其他國家在競爭中享有同等優勢。
根據麥肯錫公司的報告，到2030年
由AI取代的工作崗位：400-800萬個；AI創造工作崗位：555-890萬。
謝謝Andrew Ng！總體而言，我喜歡這門課程，我希望人力資源專業人士可以有更多人了解像tensorflow，keras等工具。但是再一次，很高興看到Andrew Ng回歸行動。
????
?
參考資料：
- https://towardsdatascience.com/ai-for-everyone-what-andrew-ng-want-to-convey-with-this-non-technical-course-in-30-points-bedaea57c81b
關于作者
AI算法之心是一個介紹Python、PySpark、機器學習、自然語言處理、深度學習、算法競賽的平臺。不管你是剛入門的小白，還是資深的算法大佬，歡迎掃一掃下方的二維碼與我們在AI的領域中一起學習成長！
機器學習初學者
黃海廣博士創建的公眾號，黃海廣博士個人知乎粉絲21000+，github排名全球前120名（30000+）。本公眾號致力于人工智能方向的科普性文章，為初學者提供學習路線和基礎資料。原創作品有：吳恩達機器學習個人筆記、吳恩達深度學習筆記等。
往期精彩回顧
那些年做的學術公益-你不是一個人在戰斗
良心推薦：機器學習入門資料匯總及學習建議
吳恩達機器學習課程筆記及資源（github標星12000+，提供百度云鏡像）
吳恩達深度學習筆記及視頻等資源（github標星8500+，提供百度云鏡像）
《統計學習方法》的python代碼實現（github標星7200+）
精心整理和翻譯的機器學習的相關數學資料
首發：深度學習入門寶典-《python深度學習》原文代碼中文注釋版及電子書
圖解word2vec(原文翻譯)
備注：加入本站微信群或者qq群，請回復“加群”
加入知識星球（4100+用戶），請回復“知識星球”，ID：92416895
總結
以上是生活随笔為你收集整理的AI For Everyone：Andrew Ng想用30分钟的非技术课程传达的内容的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 有什么事情是你当了程序员之后才知道的？
- 下一篇： 带你少走弯路：强烈推荐的TensorFl