智能客服主要有检索和模型两部分构成。检索就是匹配自己的语料，找完全匹配或者最像似答案，这里用到了分词，gensim以及tfidf和如何求最像似问题，可能会用到关键词分析或者主题分析。模型就是使用seq2seq进行训练，生成模型，然后调用。痛苦点在于整理自己的语料。

　　大数据指的是使用大数据环境或者组件处理海量大规模的结构化或者非结构化的数据处理，常用体系分hadoop以及spark两个系列，都有自己的数据抽取，清洗，存储以及挖掘，常用的有sqoop.kafka.zookeeper.hive.spark steaming.flume.mahout.spark mlib等。当然里面可能还有很多数据仓库的概率，不再细说。

　　机器学习顾名思义是给定阀值，让机器从样本中学习并训练，达到一定精准度或者loss够小时候停止训练，生成模型或者参数集的过程。如果你熟悉经典的bp神经网络，你会很快就懂。

　　深度学习其实属于机器学习的范围，深度就是网络(神经网络)层数比较深的算法的应用，这个深度从CNN的lenet.alexnet.googlenet.resnet以及其它各种net就可以看出来，层数一个比一个深，好处就是特征提取更精准。图像识别(非检测)学习的话去重点看下vgg系列或者inception系列。至于RNN系列，请重点记住LSTM。

　　人工智能这个概念源于上世纪六七十年代，最近几年热起。其核心在于机器学习或者深度学习的崛起，更偏执点可以说是神经网络算法的崛起。其包括了上面说的CNN.RNN等应用，重点用在图像识别以及检测，NLP甚至机器人，推荐系统，语音识别，预测几大类，现实中的应用更多，请百度。