深圳在人工智能领域有哪些领先的技术和公司
在深圳做人工智能的公司非常多，下面列举一些比较知名的。
1.腾讯
人工智能实验室AILab，该实验室拥有50多位AI科学家及200多位AI应用工程师团队，专注于人工智能的基础研究，所开发的AI“绝艺”在今年围棋比赛中拿到了冠军。在前段时间搭载腾讯AI医学影像和腾讯云技术的人工智能CT设备在湖北方舱医院成功部署。通过这套设备，AI算法只需数秒即可助力医生识别新冠肺炎，将大大缓解当地CT筛查能力不足的压力。
2.华为
不做基于人工智能的应用，而是去做芯片和平台。华为的人工智能战略概括为五个方面：投资基础研究；打造全栈方案；投资开放生态和人才培养；把AI思维和技术引入到现有产品和服务；把AI几乎应用于内部效率提升。
3.暴风
专门做AI电视的。
4.华大基因
致力于将人工智能、生命科学、大数据融合，使得“精准医疗”变为可能。最近疫情的到来，也让人们更加关注健康。所以华大基因有望成为未来的风向标。
5.平安集团
平安早已不是原来的平安了，现在大数据、人工智能、云服务、区块链等都有在做，而且做的都还不错。比如AI语音识别、人脸识别。
先列这些吧，其实还有很多，不一一列举了。
超级计算机和人工智能的区别是什么
粗略一点来说，超级计算机是计算机，人工智能是解决特定问题的、以算法或者软件为主的解决方案。或者可以认为，超级计算机是偏重硬件，人工智能是偏重软件的。
在定义上，超级计算机是运算、存储能力远远超过个人家用电脑的计算机，可以称为超级计算机的门槛也会随着计算机产业的发展而不断更新。有一份叫做超级计算机TOP500的榜单，每年两次更新世界上计算机能力最强大的500台超级计算机名单，上榜的超级计算机往往都拥有大量的计算单元、海量的存储单元，用来完成复杂的大计算量任务，从模拟真实世界中的物理现象、天气预报到研究人类大脑神经元结构等等不一而足。
当前世界上最强大的超级计算机，是我国国家并行计算机工程技术研究中心开发的神威·太湖之光，拥有超过一千万个处理单元，每秒钟能进行九万亿次以上的浮点运算。我们可以将超级计算机看成速度更快得多的计算机；它能够完成的任务是传统计算机无法完成的。
而人工智能则是解决哪些传统上只有人类智能才能解决的问题。一般来说，人工智能是基于普通计算机的运算而完成任务的，它指向的是那些涉及到分析、推理、判断、决策的复杂问题。
虽然有时候强大的人工智能需要强大的计算机来完成运算，但是这些计算机的计算能力远远不及超级计算机。有些人工智能需要特殊设计的计算机硬件，但即使是曾经下赢过国际象棋冠军的“深蓝”、能够回答问题的“沃森”，其运算能力也远远比不上同时期的超级计算机。至于现在下围棋的AlphaGo，所需的计算能力更少，搭载AlphaGo的计算机更是远远称不上超级计算机了。
有什么自学人工智能的书可推荐
1、我买的第一本人工智能的书《ArtificialIntelligence:AModernApproach(3rdEdition)》。
这是最权威、最经典的人工智能教材，已被全世界100多个国家的1200多所大学用作教材。
作为教材书，内容的广度毋庸置疑，深度稍显不足。
2、南大周志华教授《机器学习》，俗称西瓜书，国内最好的机器学习的入门书籍。
3、《深度学习》由三驾马车IanGoodfellow、YoshuaBengio和AaronCourville撰写。
第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；
第2部分系统深入地讲解现今已成熟的深度学习方法和技术；
第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。
这是今年最畅销的深度学习的书。
4、《TheElementsofStatisticalLearning》作者:TrevorHastie/RobertTibshirani/JeromeFriedman。
三位作者在斯坦福开课的内容，书中基本囊括。
本书即大名鼎鼎的ESL，豆瓣评分9.4。
5、《PatternRecognitionandMachineLearning》作者ChristopherBishop
本书简称即大名鼎鼎的PRML，豆瓣9.5。
下面放个翻译版的电子书目录。
6.《统计学习方法》，作者是前华为诺亚方舟实验室首席科学家，现今日头条人工智能实验室主任李航。
7.《AnIntroductiontoStatisticalLearning》作者:GarethJames/DanielaWitten/TrevorHastie/RobertTibshirani
统计学习的入门书，通俗易懂，号称是ESL的入门版。
还有很多，但这么几本相信已经足够啃很久了。
视频：
1.如果能科学_上网，那么YouTube吧。
2.吴恩达教授创立的
网上学习全世界最好的课程。
温馨提示，需要英文基础。
3.斯坦福大学cs231n，cs224n等等。
推荐一个翻译。
温馨提示：网络上一些AI培训师的某些讲解完全是错的。
4.哔哩哔哩上李宏毅教授，林轩田教授的《机器学习》《深度学习》视频
个人非常喜欢两位教授的视频，数学推导详细到令人发指。
对您有帮助，请点赞支持，谢谢。
零基础学人工智能可以学会吗怎么学好
谢谢邀请，零基础真不好界定，学习人工智能零基础可以从学习Python开始！
要想学好的话最重要的两方面要注意：
1.学好Python
软件开发技能最好的学习方法就是做实战小项目，边做边学习相关知识点，我的头条号上就有许多我录制的上课视频，就是一直用案例与项目去教学生学习的，效果还不错。
2.掌握数学与统计基础，尤其是统计
不过不是科班出身，走人工智能方向要费劲得多，数学与统计要好，计算机相关专业的话应该也学过高数、线性代数、概率统计吧，就看学的怎么样了！
3.Python在数据科学领域是霸主
数据岗位发展方向，都是比较新型的职位，数据分析员、数据分析师、数据产品经理、数据总监、首席数据官等等，从数据分析员、初级数据分析师（就是表哥表姐哦）入行，逐步发展！
我们选择发展方向要顺势而为，目前人工智能、大数据、数据分析与挖掘无疑是发展方向，选准了深耕下去就行了，不管怎么样Python是非常值得投资的方向，希望能够坚定你的信心，需要更多相关资源可以关注头条号“语凡提”，里面有大量我上课录制的相关视频，涵盖Python/机器学习入门/深度学习入门/PySpark大数据开发/人脸识别项目实战等等。
软件工程师如何转行做人工智能
谢谢邀请！
软件工程师转行做人工智能是一个不错的选择，但是要根据自身的知识结构进行相应的准备。对于研发级软件工程师（研发级程序员）来说，转行做人工智能是相对比较容易的，因为研发级工程师往往都有扎实的算法基础。对于应用级软件工程师（应用级程序员）来说，转行做人工智能需要一个系统的准备（学习）过程。
人工智能目前的研究方向比较多，比如自然语言处理、机器学习以及计算机视觉都是不错的研究方向，下面就以机器学习为例，说一下作为应用级软件工程师来说，都应该做好哪些准备。
首先，需要系统的学习一下算法知识。机器学习的研发是以算法为核心进行展开的，所以要有一个扎实的算法基础。这个过程需要了解一些比较经典的算法设计过程，逐步培养起解决问题的思路。这部分的学习内容包括随机算法、堆排序算法、快排、计数排序、贪心算法、核算法、势能法、图算法、多线程算法、数论算法和近似算法等，在学习算法的过程中也会连带着把数据结构一并学习一下，因为算法和数据结构本就不分家。
其次，了解机器学习的实现步骤。机器学习的流程包括数据收集、数据整理、算法设计、算法实现、验证算法和应用算法，数据收集是机器学习的第一步，目前可以用于机器学习的公共数据集并不少，对于实验来说已经够用了。接下来就是了解常见的机器学习算法，目前比较常见的机器学习算法包括NB、k-mean、kNN、SVM、Apriori、EM、PageRank、CART等算法，对于有算法基础的人来说，这些算法的学习并不困难。
最后，选择一门编程语言来实现这些算法并对其进行验证。对于软件工程师来说，这个步骤还是相对比较轻松的，目前使用Python做机器学习的算法实现是一个比较常见的做法。
人工智能是我的主要研究方向之一，目前我也在带相关方向的研究生，我会陆续在头条写一些关于人工智能方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有人工智能方面的问题，也可以咨询我，谢谢！