第一部分 AI导论

       随着互联网的兴起和硬件的不断升级，为AI提供海量数据和高性能计算硬件的支持，助推AI进入了新的黄金发展期，并在很多领域实现了AI技术的应用落地，比如：人脸识别、自动驾驶、语音识别、智能客服、物体检测、机器翻译和图像生成等。

1、AI是什么？

     AI技术是一门数据科学，通过挖掘数据中的规律，来预测未来的数据(泛化)。AI技术是工程上的一种近似计算，通过建立一种模型，来拟合和不断逼近实际业务问题所对应的数学高维曲线。AI可以通吃百家饭，也就是说AI技术中的模型，经过适当修改，就可以和各行各业的数据结合起来进行模型训练，然后就可以发布上线进行泛化推理。

2、AI有什么用？

    AI在实际的应用中，更多的是降本增效，其与大数据技术不同的是，大数据更倾向于数据的获取、清洗、存储及可视化展示，而AI更多侧重的是从海量数据中挖掘相关的业务规律。

3、AI在企业中的位置

    AI部门在企业中的位置，是为业务部门提供AI能力支持的部门，体现在应用系统中的情况如图1所示，当用户通过接口访问企业的应用系统，比如HTTP/HTTPS协议接口，业务服务器接口接收到用户的HTTP请求数据后，经过一定处理后，会将部分相关的用户数据，通过事先约定好的接口转发给AI模型进行处理，AI模型处理完成后，会将处理结果再通过接口返回给业务服务器，业务服务器再根据AI模型的处理结果完成后续业务逻辑，并将最终的处理结果返回给用户。从整个系统交互流程看，AI部门处于一种工具部门的角色。

图1 AI在应用系统中的位置

4、AI的业务流程

1）业务部门提出业务需求

     同业务部门接洽，沟通业务方的需求;

2）理解和分析业务需求

     将业务需求转化为人工智能问题，并确定问题的输入和输出;

3）采集数据

     根据业务需求，确定需要采集的数据特征集合，并将待采集的数据特征需求，提交给数据采集部门;

4）建立模型

     根据业务特点，选择合适的机器学习算法并加以训练;

5）模型上线

     将训练好的机器学习算法，部署到线上，供业务部门使用;

6）监控线上模型运行效果

     根据线上系统日志，跟踪模型运行效果，并记录性能以及暴露的问题;

7）模型更新

     根据业务方提出的建议，以及线上跟踪的问题，定期更新模型。