随着人工智能(AI)浪潮席卷全球，众多行业热门词汇蜂拥而至：
机器学习(Machine Learning)、数据挖掘(Data Mining)、深度学习(Deep Learning)、强化学习(Reinforcement Learning)等等。
本文为大家解答了25个人工智能领域常见的术语词汇，希望帮助大家更好的理解人工智能行业(按英文首字母排序)：
1.高级驾驶辅助系统(Advanced Driving Assistance Systems)
高级驾驶辅助系统(ADAS)，是指利用安装在车上的各式各样传感器，实时感知汽车行驶过程中的周围环境，收集相关数据并进行系统的运算与分析，提前预知潜在风险，从而有效增加汽车驾驶的舒适性和安全性。
2.人工智能(Artificial Intelligence)
人工智能(AI)，是研究计算机模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科。简而言之，就是使计算机能够进行自我思考和学习。
3.贝叶斯网络(Bayesian network)
贝叶斯网络是一种根据数据或专家意见构建的概率图形模型。一个贝叶斯网络是一个有向无环图(Directed Acyclic Graph,DAG),由代表变量结点及连接这些结点有向边构成。贝叶斯网络可用于各种任务，包括预测、异常检测、诊断、自动洞察、推理、时间序列预测以及不确定情况下的决策等等。
4.分类器(Classifiers)
分类器是数据挖掘中对样本进行分类方法的统称，包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法。
5.计算机视觉(Computer Vision)
人工智能和图像处理的一个领域，可以训练机器观察周围环境，理解并做出更好的决策。
6.众包(Crowdsourcing)
一种将任务分配给大量受众并快速完成工作的做法。
7.数据标注(Data labeling)
数据标注是通过数据标注员借助标注工具，对人工智能学习数据进行加工的一种行为。数据包括图像、音频、视频等各种文件类型。
8.数据挖掘(Data Mining)
梳理数据集以识别模型并提取信息的过程。通常情况下，数据集越庞大，最终的模型和信息才会更加精准。
9.数据科学(Data Science)
数据科学包括统计、数据建模、数据可视化、以及数据分类研究等。
10.决策模型(Decision Model)
利用规范性分析为给定情况确立最佳行动方案。决策模型还可以预测某些方法实行后的结果。
11.深度学习(Deep Learning)
基于神经网络(受人脑启发的模型)的机器学习。研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释相关数据，例如图像，声音和文本等。
12.面部识别(Facial Recognition)
识别图像或视频里的面部信息和情绪状态，通常是基于人的脸部特征信息进行识别。
13.真值(Ground Truth)
在机器学习中，“ground truth”一词指的是训练集对监督学习技术的分类的准确性。这在统计模型中被用来证明或否定研究假设。“ground truth”这个术语指的是为这个测试收集适当的目标(可证明的)数据的过程。
14.图像识别(Image Recognition)
利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。
15.机器学习(Machine Learning)
AI的一个分支，研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
16.托管众包(Managed Crowdsourcing)
服务提供商提供的完全托管外包解决方案。
17.自然语言生成(Natural language generation)
使计算机具有人一样的表达和写作的功能。
18.自然语言处理(Natural language processing)
它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。该研究领域致力于帮助机器更好地理解人类语言，从而改善人机界面。
19.光学字符识别(Optical Character Recognition)
简称OCR，一种检测手写或印刷文本的图像并将其转换为机器可读文本的系统。
20.强化学习(Reinforcement learning algorithms)
一种机器学习方式，在强化学习中，机器达到预期效果时会得到正强化，没有达到预期结果时会得到负强化。
21.语义分割(Semantic Segmentation)
语义分割是一种典型的计算机视觉问题，其涉及将一些原始数据(例如，平面图像)作为输入并将它们转换为具有突出显示的感兴趣区域的掩模。
22.语音识别(Speech Recognition)
识别音频信息里的文字与情绪状态。
23.监督学习(Supervised learning algorithms)
机器学习方式之一，利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。
24.训练数据(Training Data)
训练数据是指数据挖掘过程中用于训练数据挖掘模型的数据。
25.无监督学习(Unsupervised learning algorithms)
根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。