《新一代人工智能發(fā)展規(guī)劃》的頒布,帶火了這些專業(yè)

1、《新一代人工智能發(fā)展規(guī)劃新一代人工智能發(fā)展規(guī)劃》的頒布，帶火了這些專業(yè)的頒布，帶火了這些專業(yè)7月20日國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，其中戰(zhàn)略目標(biāo)是到2020年人工智能產(chǎn)業(yè)成為新的重要經(jīng)濟增長點，人工智能核心產(chǎn)業(yè)規(guī)模超過1500億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過1萬億元。新一代人工智能在智能制造、智能醫(yī)療、智慧城市、智能農(nóng)業(yè)、國防建設(shè)等領(lǐng)域得到廣泛應(yīng)用，人工智能核心產(chǎn)業(yè)規(guī)模超過4000億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過5萬億元。一、人工智能的含義

2、一、人工智能的含義人工智能（ArtificialIntelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計算機科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。二、如何加快培養(yǎng)聚集人工智能高端人才？二、如何加快培養(yǎng)聚集人工智能高端人才？

3、《新一代人工智能發(fā)展規(guī)劃》中提到，把高端人才隊伍建設(shè)作為人工智能發(fā)展的重中之重，堅持培養(yǎng)和引進相結(jié)合，完善人工智能教育體系，加強人才儲備和梯隊建設(shè)，特別是加快引進全球頂尖人才和青年人才，形成我國人工智能人才高地。培育高水平人工智能創(chuàng)新人才和團隊。支持和培養(yǎng)具有發(fā)展?jié)摿Φ娜斯ぶ悄茴I(lǐng)軍人才，加強人工智能基礎(chǔ)研究、應(yīng)用研究、運行維護等方面專業(yè)技術(shù)人才培養(yǎng)。重視復(fù)合型人才培養(yǎng)，重點培養(yǎng)貫通人工智能理論、方法、技術(shù)、產(chǎn)品與應(yīng)用等的縱向復(fù)合型人才，

4、以及掌握“人工智能”經(jīng)濟、社會、管理、標(biāo)準(zhǔn)、法律等的橫向復(fù)合型人才。通過重大研發(fā)任務(wù)和基地平臺建設(shè)，匯聚人工智能高端人才，在若干人工智能重點領(lǐng)域形成一批高水平創(chuàng)新團隊。鼓勵和引導(dǎo)國內(nèi)創(chuàng)新人才、團隊加強與全球頂尖人工智能研究機構(gòu)合作互動。加大高端人工智能人才引進力度。開辟專門渠道，實行特殊政策，實現(xiàn)人工智能高端人才精準(zhǔn)引進。重點引進神經(jīng)認知、機器學(xué)習(xí)、自動駕駛、智能機器人等國際頂尖科學(xué)家和高水平創(chuàng)新團隊。鼓勵采取項目合作、技術(shù)咨詢等方式柔

5、性引進人工智能人才。統(tǒng)籌利用“千人計劃”等現(xiàn)有人才計劃，加強人工概率的形式表征(條件概率、貝葉斯法則、可能性、獨立性等)和從其中衍生出的技術(shù)(貝葉斯網(wǎng)、馬爾科夫決策過程、隱藏式馬可夫模型等)是機器學(xué)習(xí)算法的核心，這些理論可以用來處理現(xiàn)實世界中存在的不確定性問題。和這個領(lǐng)域密切相關(guān)的還有統(tǒng)計學(xué)，這個學(xué)科提供了很多種衡量指標(biāo)(平均值、中間值、方差等)、分布(均勻分布、正態(tài)分布、二項式分布、泊松分布等)和分析方法(ANOVA、假設(shè)實驗等)，這

6、些理論對于觀測數(shù)據(jù)模型的建立和驗證非常必要。很多機器學(xué)習(xí)算法的統(tǒng)計建模程序都是可以擴展的。（3）數(shù)據(jù)建模及評估）數(shù)據(jù)建模及評估數(shù)據(jù)建模就是對一個給定的數(shù)據(jù)庫的基本結(jié)構(gòu)進行評估的過程，目的就是發(fā)現(xiàn)其中所蘊含的有用模式(相互關(guān)系，聚合關(guān)系、特征矢量等)和或者預(yù)測以前案例(分類，回歸、異常檢測等)的特征。評估過程的關(guān)鍵就是不斷地對所給模型的優(yōu)良性能進行評價。根據(jù)手中的任務(wù)，你需要選取一種恰當(dāng)?shù)木珳?zhǔn)誤差衡量指標(biāo)(比如日志分類的損失、線性回歸的誤

7、差平方和等等)和求值策略(培訓(xùn)測試、連續(xù)Vs.隨機交叉驗證等)。（4）應(yīng)用機器學(xué)習(xí)算法與庫）應(yīng)用機器學(xué)習(xí)算法與庫盡管通過程式庫軟件包API(比如scikitlearnTheanoSparkMLlibH2OTensFlow等)可以廣泛地實現(xiàn)機器學(xué)習(xí)算法的標(biāo)準(zhǔn)化執(zhí)行，但是算法的應(yīng)用還包括選取合適的模型(決策、樹形結(jié)構(gòu)、最近鄰點、神經(jīng)網(wǎng)絡(luò)、支持向量機器、多模型集成等)、適用于數(shù)據(jù)的學(xué)習(xí)程序(線性回歸、梯度下降法、基因遺傳算法、袋翻法、模型特定