欢迎光临
桂林SEO博客

什么是机器学习?

什么是机器学习?从本质上讲,它是一种让计算机像人类一样学习和行为的方法,而不需要明确地进行编程。想想Netflix的推荐引擎,自动驾驶汽车,上传照片到Facebook时的人脸识别,等等。

不要担心计算机不会很快取代人类。相反,机器学习更像是一种工具,可以帮助我们更快地解决复杂的问题,帮助我们做出更明智的决定。

机器学习是如何工作的?人工智能和机器学习之间有什么区别?为什么机器学习很重要?这些都是重要的问题!

在这篇文章中,我将详细谈谈机器学习到底是什么,它的用途是什么,它是如何工作的,机器学习、深度学习和人工智能之间有什么区别,以及一些帮助你开始学习机器学习的资源。

  什么是机器学习?

机器学习的定义。有时缩写为ML,机器学习允许计算机通过经验、观察、现实世界的互动和其他数据自动学习和改进,无需人类明确编程。根据华盛顿大学的说法。”机器学习算法可以通过从实例中归纳出如何执行重要任务。在人工编程不可行的地方,这往往是可行的,而且成本效益高。”

由于机器学习模仿人类的学习方式(即通过练习、理解模式、犯错、承担风险、从过去的行为中学习等),计算机可以在一项或一组任务中逐渐变得越来越准确。

1959年,阿瑟-塞缪尔(Arthur Samuel)首次提出了”机器学习”这一术语(以能玩冠军级跳棋的塞缪尔跳棋机而闻名)。更早的时候,在1950年,阿兰-图灵也提出了一种可以成为人工智能的”学习机”。

快进到20世纪90年代,机器学习开始从知识驱动的方法转向数据驱动的方法,因此计算机开始从大量的数据中学习。在过去的几十年里,数据驱动的机器学习不断进步,甚至分裂出不同类型的机器学习(我们将在下文中进一步讨论)!这也是机器学习的一个特点。

  机器学习VS人工智能VS深度学习

那么,人工智能(AI)和机器学习之间的区别是什么?机器学习与深度学习呢?

机器学习实际上是人工智能的一个分支,深度学习也是如此。人工智能本质上是一个广泛的总括术语,指的是任何用于模仿人类智能的方法。

深度学习是机器学习的一个子集,其中神经网络使用大量的数据进行学习。神经网络是以构成人类大脑和神经系统的生物神经网络为模型的计算系统。

  机器学习是如何工作的?

通常有三种不同类型的机器学习方法用于训练计算机。监督式、非监督式和强化式。

  1. 有监督的机器学习。向机器学习算法提供有明确定义和标记的数据,使算法能够根据实例进行学习。随着时间的推移,有监督的学习算法将能够看到一个从未见过的例子,并根据它所学到的例子为它预测一个标签。总的来说,这种方法更多的是在预测一些东西。
  2. 无监督的机器学习。与监督方法不同,输入机器学习算法的数据是无标签的。它被输入大量的数据,并被要求自行识别以前未知的模式、趋势和结构。Netflix的推荐系统就是这方面的一个很好的例子。总的来说,这种方法更多的是为了寻找数据中的隐藏模式。
  3. 强化机器学习。在这种方法中,计算机从其错误和试错中学习。系统会因其执行的行动而获得奖励或惩罚。类似于宠物或孩子的学习方式。

对于希望进入机器学习的开发者来说,需要了解的常见语言/库包括Python、TensorFlow、R、Scala、Julia和C++。

  机器学习是用来做什么的?

那么,为什么机器学习很重要?这个领域的伟大之处在于,机器学习的应用几乎可以用于你能想象的每一个行业(甚至可以用来帮助拯救生命)。

以下是机器学习用途的几个例子。

📈营销。推荐引擎(例如,亚马逊产品建议,流媒体服务电影/节目推荐人,Spotify播放列表创建者)。

💰金融:保险风险评估或欺诈检测

🏥医疗保健。做出更快、更准确的诊断,预测疾病,开发新药,等等。

🚌交通运输。自动驾驶汽车,预测交通,优化路线,等等。

🌾农业。预测作物产量,土壤和水管理,牲畜管理等。

🏫教育。个性化学习、作业评分等。

🏭制造业。预测机器的故障,减少错误,等等。

而随着机器学习在未来的不断发展,我们将看到更多令人兴奋的机器学习应用,比如。

🛒更加个性化的电子商务体验

💉更多的医疗保健应用(特别是由于COVID-19),包括疾病的早期检测和新的治疗形式

💬自然语言生成(NLG)的进步(即从数据集产生书面或口头叙述的能力)。

当你决定从事机器学习的职业时,你可以在很多地方找到工作,也可以从事很多项目!

  在哪里学习机器学习

想在机器学习领域开始职业生涯,或者只是想多了解一下这个话题?如果你正在寻找一种好的编程语言来开始培养机器学习的技能,Python将是一个不错的选择。也有一些适合初学者的机器学习课程,可以解释一些你需要知道的核心概念和机器学习模型。

  机器学习能给你带来什么

机器学习是一个很好的领域,尤其是现在,它正在经历快速的发展,几乎涉及到每一个行业。

这是一个面向未来的、令人兴奋的、有可能改变世界的领域。

也就是说,如果你有兴趣从事机器学习的职业,你应该知道,机器学习工程师不是一个入门级的工作。先为其他数据工作做准备,从数据分析师或数据科学家开始,然后继续在工作中学习,最终随着你的职业生涯的发展而专攻机器学习,这对你会很有利。

赞(0)
未经允许不得转载:桂林SEO网站 » 什么是机器学习?
分享到: 更多 (0)