通过资料查阅法，我获得了以下专业信息：

1. 人工智能（AI）和机器学习（ML）的基本概念、原理和应用。
2. 深度学习框架（如TensorFlow、PyTorch等）的使用方法和优缺点。
3. 自然语言处理（NLP）的基本技术和实际应用，如文本分类、情感分析、机器翻译等。
4. 计算机视觉（CV）领域的主要算法和技术，如图像识别、目标检测、图像分割等。
5. 强化学习（RL）的基本概念、算法和应用，如Q-learning、Deep Q-Networks等。
6. 生成对抗网络（GANs）的基本原理和应用场景。
7. 语音识别和合成技术的发展现状和未来趋势。
8. 推荐系统的原理和应用，如协同过滤、矩阵分解等。
9. 计算机编程基础，包括Python编程语言的基本语法、数据结构、函数和类等。
10. 机器学习算法的评估方法，如交叉验证、混淆矩阵、ROC曲线等。

通过这些收获，我对人工智能领域的知识有了更深入的了解，为进一步学习和实践打下了坚实的基础。同时，我也对如何利用这些技术解决实际问题有了更明确的思路。