揭秘机器学习

机器学习:这是一个强大的术语!机器学习是当今最热门的话题!为什么不应该呢?在计算机科学和软件开发领域，大多数“诱人的”新发展通常都与隐藏在面纱后面的机器学习有关。微软的小娜——机器学习。对象和人脸识别-机器学习和计算机视觉。最先进的用户体验改进程序包括机器学习(是的!我们收到的亚马逊产品建议是机器学习算法(Machine Learning Algorithm)进行数据处理的结果。

不仅如此。机器学习和数据科学无处不在。为什么?因为数据无处不在!

因此，那些拥有超常大脑并能通过查看代码区分编程范式的人被机器学习的前景所吸引，这是很自然的。

我们所说的机器学习是什么意思?机器学习到底有多大?让我们一劳永逸地探索机器学习。我们将使用“通过示例理解”的方法，而不是提供技术规范。

机器学习:它到底是什么?

机器学习是人工智能的一个子领域，从模式识别和计算学习理论发展而来。阿瑟·李·塞缪尔将机器学习定义为一个研究领域，它为计算机提供了无需明确编码即可学习的能力。

这个领域是计算机科学和人工智能，它通过研究数据而无需人为干预来“学习”。

然而，这种观念并非没有缺陷。由于这种信念，当机器学习这个术语被抛出时，它通常被认为是“人工智能”以及“能够模仿人类大脑的神经网络(目前还不可能)”或自动驾驶汽车等等。然而，机器学习远远超出了这个范围。我们将探索现代计算中一些典型的和一些通常不被认为是机器学习工作的方面。

机器学习:预期

让我们从强调机器学习发挥作用的一些领域开始。

1. 语音识别(更专业的术语是自然语言处理):
   我们通过Windows设备与Cortana通信。它怎么理解我们说的话?自然语言处理领域，简称N.L.P.，是通过语言学研究机器和人类之间相互作用的学科。N.L.P.的核心是机器学习算法和系统(隐马尔可夫模型只是其中之一)。
2. 计算机视觉:
   计算机视觉是人工智能的一个子领域，研究机器对现实世界的(可能的)感知。这意味着整个面部识别、模式识别、字符识别技术都是计算机视觉的一部分。此外，机器学习，再一次，其广泛的算法，是计算机视觉的中心。
3. b谷歌的自动驾驶汽车:
   嗯，我们可以想象驾驶汽车的是什么。进一步的机器学习的好处。
   这些不一定是新的应用。即使是最持怀疑态度的人也会理解这些技术壮举，它们是由某种“神秘的(极其困难的)令人难以置信的计算机魔法”带来的。

机器学习:意想不到的

让我们来看看一些通常不容易与机器学习联系在一起的领域:

• 亚马逊的产品评论:我们可能想知道为什么亚马逊总是提供一个建议，诱使你减少开支。在幕后工作的是被称为“推荐系统”的机器学习算法。它会分析每个用户的偏好，并据此提供建议。
• YouTube / Netflix:它们的功能和上面的完全一样!
• 数据挖掘或数据挖掘/大数据:这对一些人来说可能并不奇怪。如果有从数据中获取信息的目的，机器学习就潜伏在附近。然而，数据挖掘和大数据只是学习和研究更大规模数据的一种方式。
• 房地产、股票市场、住房金融:所有这些领域都使用大量的机器学习系统来评估市场，特别是“回归技术”，用于预测房屋价值或研究股票市场趋势等基本的事情。

现在，我们可能已经注意到，机器学习无处不在。从研究和发展到改善小企业的业务。都结束了。这是一个很好的职业机会，因为这个领域正在发展，而且不会很快结束。