每当加州科技巨头苹果公司推出一款新产品，它就会登上全世界的头条新闻。它早期的家用电脑就是这样——第一款使用公认的现代用户界面的电脑；iPod更是如此，它一手改变了音乐产业。但这些对家全球最大、最受欢迎的科技公司来说还远远不够。几年来，苹果的工程师们一直在偷偷地把交通运输业作为下一个成熟的行业，来进行他们独一无二、推倒一切再重来的颠覆。所以今天我们要问一个问题：我们什么时候能看到苹果汽车?

观看视频了解深度学习与机器学习之间的区别，通过特定示例展示如何决定使用深度学习还是机器学习。

iOS和Android的争论自十多年前这两个系统诞生以来就一直在进行。我相信两种系统都有各自的优势和劣势。至于哪一种最适合你，是你自己的决定。每个人对智能手机的需求是不同的。因此，没人能说哪个系统比另一个好，但我确实认为iOS比Android更有优势。

学习、解释、适应和进化的能力一直将人类与机器区别开来。但这个差距正在缩小吗？人类的大脑包含约860亿个神经元，它们通过一个称为突触的极其复杂的通路系统相互连接。神经元的功能是通过突触将电荷传递给彼此，导致活跃/不活跃，或真/假的反应。这就是为什么人类如此擅长图案识别，使我们能够阅读、说话，并区别成千上万张脸。计算的一种基础代数形式——布尔逻辑，也依赖于真(1)或假(0)值。一个足够大的计算机系统使用布尔逻辑可以很好地模拟大脑——也被称为神经网络。

使用MATLAB®R2020b，您可以使用深度学习工具箱™模块库以及MATLAB函数块，用Simulink®中经过训练的深度学习模型进行模拟并生成代码。了解如何使用控制、信号处理和传感器融合组件在Simulink中模拟深度学习网络，以评估深度学习模型对系统级性能的影响。了解更多关于在Simulink中使用NVIDIA® GPU来加速深度学习网络模型的执行。

我们可以训练一个人工智能模型来找到两点之间的最佳距离而不使用算法吗？答案是肯定的！通过Q-Learning，我们可以赋予我们的人工智能类似生命的特性！在这个视频中，我们将教你所有关于Q-Learning等等之类的知识！

了解强化学习入门，这是一个自定进度的教程，通过使用自动评估和反馈的实践练习，提供了控制问题的强化学习方法的交互式概述。强化学习入门涉及的主题包括定义环境和奖励、创建智能体（Agent）以及使用模拟来训练智能体。此外，探索如何创建神经网络来代表各种角色和关键智能体。

通过几个案例了解使用卡尔曼滤波器的常见场景。卡尔曼滤波器是一种优化估算算法，在不确定和间接测量的情况下估算系统状态。观看视频示例，了解卡尔曼滤波器背后的工作原理。