近来在学习和入门AI和大数据相关的知识，所以在网上搜索一些入门的内容进行了解。但是资料总是零散且不成体系的，所以我尝试通过我的学习和整理将相关的入门知识串联成体系，方便他人和我一样进行学习和理解。如有问题，可以直接回复哈。
在工作中，我们经常会听到一些词，比如职位向的数据分析师，数据开发工程师，算法工程师；算法向的贝叶斯，逻辑回归，K-means；技术方向向的NLP，计算机视觉等等；通过将他们各自了解清楚，并且了解他们之间的层级关系和关联性，相信可以帮助我们建立系统性的知识。
接下来就开始今天的第一篇文章的内容：人工智能与机器学习、深度学习的关系。
在学习的时候发现很多文章会说一句话：AI包含机器学习，机器学习包含深度学习。但是AI除了包含机器学习，还包含什么呢，机器学习和NLP，CV这些有什么不同呢？
通过学习我将他们分为人工智能的几个分层：
- 基础设施层：包含大数据、算力/硬件等，为人工智能提供支撑
- 算法层：主流为机器学习，非机器学习（专家系统）已经不是主流了，所以图上就没画。
- 技术方向层：主要包含语音工程、NLP、计算机视觉、规划和决策系统、大数据分析和应用等。其中我们常见的精准广告和个性化推荐就属于大数据分析和应用这一方向上的。
