从方法到目标了解什么是机器学习？

一、什么是机器学习

1、简述

        机器学习是 人工智能（AI） 和计算机科学的一个分支，专注于利用数据和算法来模仿人类的学习方式，逐步提高其准确性。过去几十年来，存储和处理能力方面的技术进步催生了一些基于机器学习的创新产品，例如 Netflix 的推荐引擎和自动驾驶汽车。 机器学习是不断发展的数据科学领域的重要组成部分。通过使用统计方法，训练算法进行分类或预测，并揭示数据挖掘项目中的关键见解。这些见解随后推动应用程序和业务内的决策制定，理想情况下会影响关键增长指标。随着大数据的不断扩大和增长，市场对数据科学家的需求将会增加。他们将需要帮助识别最相关的业务问题以及回答这些问题的数据。

2、机器学习、深度学习、神经网络

        由于深度学习和机器学习往往可以互换使用，因此值得注意两者之间的细微差别。机器学习、深度学习和神经网络都是人工智能的子领域。然而，神经网络实际上是机器学习的一个子领域，而深度学习是神经网络的一个子领域。

        深度学习和机器学习的不同之处在于每种算法的学习方式。“深度”机器学习可以使用标记数据集（也称为监督学习）来通知其算法，但它不一定需要标记数据集。深度学习可以摄取原始形式的非结构化数据（例如文本或图像），并且可以自动确定区分不同类别数据的一组特征。这消除了一些所需的人为干预，并允许使用更大的数据集。正如麻省理工学院讲座中指出的那样，您可以将深度学习视为“可扩展的机器学习” 。

        经典的或“非深度”的机器学习更依赖于人类干预来学习。人类专家确定一组特征来理解数据输入之间的差异，通常需要更结构化的数据来学习。