智能代理使用傳感器了解正在發(fā)生的事情，然后使用執(zhí)行器來(lái)執(zhí)行它們的任務(wù)。任務(wù)可以是簡(jiǎn)單的也可以是復(fù)雜的，智能代理還可以通過(guò)編程來(lái)更好地完成他們的工作。

如果這道題你答不上來(lái)，那你的面試100%失敗。TensorFlow是一個(gè)開(kāi)源軟件庫(kù)，最初由 Google Brain 團(tuán)隊(duì)開(kāi)發(fā)，用于機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)研究以及數(shù)據(jù)流編程。在TensorFlow的幫助下，將某些 AI 功能構(gòu)建到應(yīng)用程序中變得更加容易，包括自然語(yǔ)言處理和語(yǔ)音識(shí)別。

機(jī)器學(xué)習(xí)是人工智能的一個(gè)子集。指的是，機(jī)器將隨著時(shí)間的推移“不斷學(xué)習(xí)”，并且在不斷學(xué)習(xí)的過(guò)程中越變?cè)綇?qiáng)，它自己就能迭代升級(jí)，不需要人類(lèi)不斷地輸入?yún)?shù)。機(jī)器學(xué)習(xí)是人工智能的實(shí)際應(yīng)用。

神經(jīng)網(wǎng)絡(luò)是一類(lèi)機(jī)器學(xué)習(xí)算法。神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的一部分，是神經(jīng)網(wǎng)絡(luò)的最小結(jié)構(gòu)，神經(jīng)網(wǎng)絡(luò)在它們之間傳遞數(shù)據(jù)，由于網(wǎng)絡(luò)是相互連接的，因此可以更高效地處理更復(fù)雜的數(shù)據(jù)。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集。它使用多層神經(jīng)網(wǎng)絡(luò)以處理數(shù)據(jù)，使軟件能夠通過(guò)接觸這些海量數(shù)據(jù)來(lái)訓(xùn)練自己執(zhí)行語(yǔ)音和圖像識(shí)別等任務(wù)，從而不斷提高識(shí)別和處理信息的能力. 堆疊在每個(gè)任務(wù)之上，用于幫助深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)層稱(chēng)為深度神經(jīng)網(wǎng)絡(luò)。

視覺(jué)是人類(lèi)重要的感官功能，人眼看到的信息傳遞到大腦，再由大腦分析并做出決策。人工智能旨在模仿人類(lèi)大腦，它同樣需要一雙眼睛，即需要圖像識(shí)別功能來(lái)為它傳輸信息。

自動(dòng)編程是指程序應(yīng)該做什么，然后讓人工智能系統(tǒng)自己“編寫(xiě)”程序，無(wú)需依靠人類(lèi)。

貝葉斯網(wǎng)絡(luò)貝葉斯網(wǎng)絡(luò)（Bayesian network），又稱(chēng)信念網(wǎng)絡(luò)（belief network）或是有向無(wú)環(huán)圖模型（directed acyclic graphical model），是一種概率圖型模型，是一組變量之間概率關(guān)系的圖形模型，它主要作用是模仿人腦處理變量，它讓人工智能變得更加靈活，而不是像機(jī)器一樣死腦筋。

機(jī)器學(xué)習(xí)如果按照訓(xùn)練樣本標(biāo)簽的有無(wú)可以分為以下兩種常用方法。

有監(jiān)督學(xué)習(xí)(supervised learning)和無(wú)監(jiān)督學(xué)習(xí)(unsupervised learning)。

以機(jī)器學(xué)習(xí)中的分類(lèi)(classification)來(lái)說(shuō)，輸入的訓(xùn)練數(shù)據(jù)有特征（feature），有標(biāo)簽（label）。在分類(lèi)過(guò)程中，如果所有訓(xùn)練數(shù)據(jù)都有標(biāo)簽，則為有監(jiān)督學(xué)習(xí)（supervised learning）。如果數(shù)據(jù)沒(méi)有標(biāo)簽，顯然就是無(wú)監(jiān)督學(xué)習(xí)（unsupervised learning）了，也即聚類(lèi)（clustering）。

監(jiān)督學(xué)習(xí)，就是通過(guò)已有的訓(xùn)練樣本（即已知數(shù)據(jù)以及其對(duì)應(yīng)的輸出）去訓(xùn)練得到一個(gè)最優(yōu)模型（這個(gè)模型屬于某個(gè)函數(shù)的集合，最優(yōu)則表示在某個(gè)評(píng)價(jià)準(zhǔn)則下是最佳的），再利用這個(gè)模型將所有的輸入映射為相應(yīng)的輸出，對(duì)輸出進(jìn)行簡(jiǎn)單的判斷從而實(shí)現(xiàn)分類(lèi)的目的，也就具有了對(duì)未知數(shù)據(jù)進(jìn)行分類(lèi)的能力。典型的例子就是KNN、SVM。

希望以上的面試問(wèn)題能夠幫助大家拿到心儀的offer，如果在看這篇文章的你也計(jì)劃在人工智能領(lǐng)域發(fā)展，simplilearn圣普倫的AI機(jī)器學(xué)習(xí)訓(xùn)練營(yíng)歡迎你的加入，課程包括58小時(shí)的應(yīng)用學(xué)習(xí)、互動(dòng)實(shí)驗(yàn)室、4個(gè)實(shí)踐項(xiàng)目和指導(dǎo)，通過(guò)圣普倫機(jī)器學(xué)習(xí)認(rèn)證培訓(xùn)，你將會(huì)掌握機(jī)器學(xué)習(xí)認(rèn)證考試所需的機(jī)器學(xué)習(xí)知識(shí)，比如數(shù)據(jù)預(yù)處理、監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)、時(shí)間序列建模、回歸以及文本挖掘等。