人工智能已不再是一个流行词：它已经成为现实。随着很多公司使用人工智能来制造智能机器，人工智能已经成为商业领域的一场革命。在这段视频中，你将了解顶级人工智能的应用。您将了解人工智能如何应用于商业领域，如医疗保健、营销、社交媒体、机器人等。

观看MATLAB系列技术讲座，探索关键的深度学习概念。学习什么时候使用深度学习，发现哪种方法适合您的具体应用，并探索您可能会遇到的一些挑战。在本视频中探索深度学习基础知识。您将了解深度学习为何如此流行的原因，并逐步了解3个基本概念：深度学习是什么，它在现实世界中的使用方式以及入门方法。

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。

如果您是工程师，您经常会需要处理非线性系统。为了帮助您，我们将讨论非线性状态估算器。

Lidar Toolbox™提供了设计、分析和测试Lidar处理系统的算法、功能和应用程序。你可以进行目标检测和跟踪、语义分割、形状拟合、激光雷达配准和障碍检测。Lidar Toolbox支持结合计算机视觉和Lidar处理的工作流程的激光雷达与相机与交叉校准。你可以使用深度学习和机器学习算法，如PointSeg, PointPillar，和SqueezeSegV2训练自定义检测和语义分割模型。

谷歌地图已经超越了MapQuest、雅虎和苹果等竞争对手。但经过十年的投资，通过街景收集数据和数十亿张图像，谷歌每月拥有超过10亿用户。它每天更新数万次，已经绘制了超过220个国家和地区的地图。让我们来看看谷歌是如何主宰地图的。

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。

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！