我们提出了一个很主要的理论：假以时日，过一段时间，比如三年五年，每一个开发人员都会变成一个AI开发人员，这是我们很基本的思路。

为什么这么说？你看30年前，那时候数据库是一个全新的概念，但现在每一个开发人员多多少少都可以做一些数据库，绝大多数开发人员都知道基本的数据库的理论，写数据库的数据访问代码。我们觉得AI再过几年之后，就像数据库一样，变成一个大家都可以使用的东西。现在机器学习的很多算法，就像计算机科学一样里面的哈希表（Hash Table）、快速排序（Quick Sort）一样，今天读大学的人，没有再写这个了，不管是用Python、Java、C#，都已经有现成的这些可以套用，它们已经变成了基本概念。这个概念在每一个编程语言里面都会得到体现。

对所处领域要有激情，需要很多年时间才能够真正做到一个世界级的顶端的大师。这是一方面，另外一方面，需要对技术有一定的展望，对大的技术趋势要有一定的把握。比方说现在，如果不去学一点 AI 的东西，不去学一点机器学习的东西，可能对未来的技术的把握就会落伍了。——微软资深副总裁潘正磊女士

作为机械电子相关专业出身我，在过去一段时间里陆陆续续开始了人工智能领域的相关学习，因为身边没有想过经验的伙伴和同事，在起步阶段遇到的拦路虎不少。我也一直有关注Tensorflow在Youtube的频道，看到了非常棒的适合零基础入门者的介绍视频，直到2019年12月，该官方频道终于发布了该系列视频的中文版。然而比起该视频的英文版本动辄几十万起步的观看量，观看人数寥寥无几（几千人）。我想这大概主要是因为国内访问困难的缘故吧，所以我决定顺手将该视频搬运到国内微信平台，只为便于传播，并无侵权之意图，以便让更多青少年朋友有机会接触和学习。

该视频适合任何零基础朋友，一共四集视频，每集大概5-8分钟，由谷歌工程师主讲，正常情况下，一个下午的时间足够令你由实践方式基于Tensorflow2.0入门上手最基础的神经网络类视觉算法。

在第一集的系列视频中，你将了解到机器学习是编程的一个新领域。用传统的编程语言，比如Java或C++，去编写一个程序，是需要使用明确的规则的。而机器学习则可以通过训练数据来推理出这些规则。但机器学习究竟是什么样子的呢？在第一集的系列视频里，费颖会用一个简单的示例代码去构建一个机器学习模型，介绍一些基础概念，而我们会在之后的视频中应用这些概念去解决一个更有意思的问题：计算机视觉。点击这里尝试一下这段简单的代码 →  https://goo.gle/2Zp2ZF3

在第二集的系列视频中，费颖会通过训练计算机如何看到并识别不同的物体的例子，来教我们一些基本的计算机视觉概念。

中级难度计算机视觉示例:  https://goo.gle/34cHkDk

在第三集的系列视频中，费颖会讨论卷积神经网络，以及为什么它们在计算机视觉中得到了广泛的应用。卷积是一个图像过滤器。它可以用来提取输入图像中具有共性的特征。

在第四集的系列视频中，费颖会讨论如何构建一个剪刀，石头，布的分类器。 在第一集中，我们用这个例子展现了用传统代码来检测和分类它们的难度。 随着我们对机器学习的深入了解，我们已经学习了如何构建神经网络：从探测原始像素中的模式到对其进行分类，再到使用卷积检测特征。 在本集中，我们会将本系列前三集的所有内容都整合在一起。

剪刀, 石头, 布图像数据库 → https://goo.gle/2m68kCV尝试一下这个Colab里的示例 → https://goo.gle/2m07d7W