1、关系

人工智能>机器学习>神经网络>深度学习

2、机器学习-两个过程

训练/学习过程：样本数据、学习器、模型参数

测试/预测过程：预测强、预测值

3、神经网络

机器学习模拟人脑神经元构成神经网络学习算法

数百亿的神经元，链接构成神经网络，受制于数据量和计算能力

得益于大数据、云计算的发展和普及

4、深度学习

极其复杂的模型、自动提取特征、海量/全样本、GPU加速

传统机器学习依赖数据特征工程、人工规则

5、人工智能应用领域

语音识别：Siri、小啦、小冰、智能音响........

图像识别：人脸识别、无人驾驶............

自然语言处理：机器翻译、信息检索...........

机器人：医疗、运输、客服.........

6、计算器获得人类意识

人工智能、机器学习、深度学习、神经网络依靠大数据和概率统计，避免飞鸟派悲剧，找到独特的人工智能发展道路

7、人工智能与大数据碰撞-1

Word2Vec

相邻位置关系相互影响

河流指标

地理特征的关联（POI、人口、土地利用、灯光圈、DEM）

地理空间的关联

影像分割

卷积神经网络进行建筑特区，自动提取特征及空间组合

8、大数据思维-》地理问题

机械思维-》大数据思维

机理模型-》概率模型

因果关系-》相关关系

9、机遇与挑战

海量数据 vs 大量标注数据的缺乏

端到端的学习系统 vs 黑箱算法，不明就里

空间大数据异构如何统一

10、下步计划

TensorFlow环境及入门

带有钻井和井场的遥感数据

训练模型并试验、评价模型

GIS-"地理空间大数据与AI的碰撞"学习笔记