深度学习和AI有什么关系，学习什么内容呢？

深度学习是一类模式分析方法的统称，就具体研究内容而言，主要涉及三类方法：

(1)基于卷积运算的神经网络系统，即卷积神经网络(CNN)。 

(2)基于多层神经元的自编码神经网络，包括自编码( Auto encoder)以及近年来受到广泛关注的稀疏编码两类( Sparse Coding)。

(3)以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络(DBN)。

深度学习作为实现机器学习的技术，拓展了人工智能领域范畴，主要应用于图像识别、语音识别、自然语言处理。推动市场从无人驾驶和机器人技术行业扩展到金融、医疗保健、零售和农业等非技术行业，因此掌握深度学习的AI工程师成为了各类型企业的招聘热门岗位。、

中公教育联合中科院专家打造的深度学习分八个阶段进行学习：

第一阶段AI概述及前沿应用成果介绍

• 深度学习的最新应用成果

• 单层/深度学习与机器学习

• 人工智能的关系及发展简

第二阶段神经网络原理及TensorFlow实战

• 梯度下降优化方法

• 前馈神经网络的基本结构和训练过程

• 反向传播算法

• TensorFlow开发环境安装

• “计算图”编程模型

• 深度学习中图像识别的操作原理

第三阶段循环神经网络原理及项目实战

• 语言模型及词嵌入

• 词嵌入的学习过程

• 循环神经网络的基本结构

• 时间序列反向传播算法

• 长短时记忆网络（LSTM）的基本结构

• LSTM实现语言模型

第四阶段生成式对抗网络原理及项目实战

• 生成式对抗网络（GAN）的基本结构和原理

• GAN的训练过程

• GAN用于图片生成的实现

第五阶段深度学习的分布式处理及项目实战

• 多GPU并行实现

• 分布式并行的环境搭建

• 分布式并行实现

第六阶段深度强化学习及项目实战

• 强化学习介绍

• 智能体Agent的深度决策机制（上）

• 智能体Agent的深度决策机制（中）

• 智能体Agent的深度决策机制（下）

第七阶段车牌识别项目实战

• 数据集介绍及项目需求分析

• OpenCV库介绍及车牌定位

• 车牌定位

• 车牌识别

• 学员项目案例评讲

第八阶段深度学习前沿技术简介

• 深度学习前沿技术简介

• 元学习

• 迁移学习等

了解更多查看深度学习。

深度学习是实现人工智能的手段之一。人工智能是一个最广泛的概念，人工智能的目的就是让计算机这台机器能够象人一样思考，深度学习是一种机器学习的方法，它试图使用包含复杂结构或由多重非线性变换构成的多个处理层(神经网络权)对数据进行高层抽象的算法。所以，人工智能包含机器学习。机器学习又包含了深度学习。

学习深度学习的话首先你要有一定的编程基础。以优就业新出的深度学习课程为例，内容包括包括人工神经网络及卷积神经网络原理，循环神经网络原理，生成式对抗网络原理，对抗网络（GAN）的基本结构和原理，深度学习的分布式处理及项目实战，深度强化学习及项目实战，企业级项目实战-车牌识别项目实战，深度学习最新前沿技术简介。

深度学习是机器学习的一种形式，可以利用监督或无监督的算法，或两者兼而有之。虽然不一定是新的，但深度学习最近人气激增，作为加速解决某些困难类型的计算机问题方法，最显著的应用是计算机视觉和自然语言处理(NLP)领域。

人工智能

像机器学习和深度学习一样，人工智能也不是“新的”，但它绝对体现了一种复兴。人们使用这个词的方式也在变化。

当图灵第一次设计他的测试时，人工智能这个词主要保留在一个可以广泛模仿人类智慧的技术上。在这过去是一件遥不可及的事，就像我们今天谈时间旅行一样。

AL包括深度学习，学习深度学习需要一定的数学，概率，线性代数知识，需要学习机器学习算法，比如支持向量机，K近邻等；深度学习有很多应用， 比如自然语言处理，计算机视觉等，先选定方向，然后学习相关的算法；还需要学习Python语言，目前大多数的人工智能算法都是用Python语言写的。