如果要问当下互联网什么最热门？毫无疑问是人工智能 。目前，世界上主要发达国家都已经将人工智能作为国家级发展战略 。那么，踩在下一个时代的风口浪尖上，普通程序员如何向人工智能靠拢？
1、项目名称：智能家居的架构项目简介： 智能家居的概念(smart home , home auto)很早以前就有了，现在随着硬件成本的下降，及 google 收购 nest 等 ， 智能家居热度升高 。本智能家居的架构，包括服务器端 ， web 网页 ， android 手机客户端，各种测试脚本，基本上基础架构都已经实现 ， 并可实际调试 。由于精力有限智能控制部分还在合作开发中 。
项目地址：https://gitee.com/xmeter/My-smart-home
2、项目名称：Living-Robot 开源机器人项目简介： 当我们在网上搜索开源机器人时，我们发现都是部分功能的代码和 demo ， 我们不能找到一个完整的项目 ， 直接下载到我们的树莓派上 ， 上电 ， 然后就可以动、可以玩了 。rtp 已经做到这点了；事实上它已经可以动并说话了，它是基于 ros 的完整的机器人代码，找来1块树莓派，接上几个电机和喇叭，ok，它已经可以动、可以玩、可以愉快地添加自己的代码了；虽然粗糙但是基本满足这个需求了（子功能还需要各种完善） 。
什么是Living-Robot？
想象一下当你养了一只兔子、或者一只蜥蜴作为宠物时，它们从来不会和你卖萌扮可爱，根本不会回答你任何或机智或愚蠢透顶的问题；但是我们还是养了这样的宠物；为什么？因为它是“活着的”的 。rtp 要人工创造这种 Living 的感觉，我们称之为“Living-Robot” 。
项目地址：https://gitee.com/rtp/Robi-Transform-Project
3、项目名称：智能语音控制程序项目简介： C 语言编写的基于百度语音识别、语音合成和图灵机器人的智能语音控制中心 。程序自动适配环境音量，取适当阀值当说话后才开始录音 。加入偶发性声音检测机制，不会对突然性的声音做出处理 。此程序能够在 Nanopi Neo/Neo2、OrangePi Zero Plus(H5) 上面正常运行，因为树莓派外置声卡的原因，录音声音可能很小，所以针对树莓派加入了声音放大程序（可选择开启或者关闭），实验结果还算理想 。
项目地址：http://gitee.com/geeiot/aicontroler
4、项目名称：小型深度学习框架 Paradox项目简介： 用 python3 和 numpy 实现一个简单的深度学习框架，了解流行框架的原理 。
项目地址：https://gitee.com/ictxiangxin/paradox
5、项目名称： 车辆智能辅助驾驶系统
项目简介： 基于 OpenCV3 与 GTK3+ 的路面分析，及交通路况识别的车辆智能辅助驾驶系统 。用于标准路面的偏移制导（带人物交通标志识别），可用于自动驾驶计算机视觉的入门学习和具体项目的二次开发 。
项目地址：https://gitee.com/Luciferearth/uestc-careye
6、项目名称：基于 C 的 LeNet-5 神经网络项目简介： 根据 YANN LECUN 的论文《Gradient-based Learning Applied To Document Recognition》设计的 LeNet-5 神经网络，C语言写成，不依赖任何第三方库 。MNIST 手写字符集初代训练识别率97%，多代训练识别率98% 。
项目地址：https://gitee.com/fanwenjie/LeNet-5
7、项目名称：人工智能考试系统 atulocher项目简介： atulocher ， 读作/?t?l?:'k?r/，为 auto-launcher 重组的单词 。意为“自动建立者” 。这是一个人工智能，设计目的是对抗某些学校的"原创题" 。
项目地址：https://gitee.com/cgoxopx/atulocher
8、项目名称：数字识别系统
项目简介： 脱机手写数字识别系统，可以将手机拍摄的 多行多列的 手写数字 进行识别，整个系统 实现了完整的 图像处理、特征提取、网络训练等 一系列算法，每个阶段的各种算法 都有自己独有的算法优化，以提高识别率 。
项目地址：https://gitee.com/tboox/hnr
9、项目名称： 基于 PHP 和 word2vec 的分类器项目简介： 每个搜索引擎其实都有一套完善的分类器 ， 拿最简单的分类器举例， 不管你是巨头门户还是垂直三、四级以下的网站，他都能识别你的站点类型 。面向海量内容的今天，随随便便就能从互联网采集、抓取海量的数据，而数据又杂乱无章，如果用人工整理归类，太浪费资源了 。作者做过各类站群、垂直站点，深知分类器的重要性 。
本项目是基于 PHP 和 word2vec 的分类器，用于文章、新闻等内容自动分类，项目包含样本训练、识别代码 ， 分词组件用的是 PhpAnalysis，简单灵活 。欢迎大家一起优化并完善 。
项目地址：https://gitee.com/mz/classifier4php
【人工智能需要学好什么 - 经验总结 www.jingyanzongjie.com】
