人工智慧 (AI) 是模仿人的能力的廣泛科學,而機器學習是人工智慧的一個特定子集,它訓練機器如何學習。 有了資料分析和模式識別, 有一種理論認為, 電腦可以在不被程式設計來執行特定任務的情況下學習;研究人員對人工智慧感興趣, 想看看電腦能否從資料中學習。 機器學習的反覆運算方面很重要, 因為當模型暴露在新的資料中時, 它們可以獨立適應。 他們從以前的計算中學習, 以產生可靠、可重複的決策和結果。 而通過建立精確的模型, 一個組織有更好的機會發現有利可圖的機會或避免未知的風險。

以下是您在日常生活中可能會遇到的一些機器學習應用程式的示例:

  • 自駕車
  • 關於 Netflix 的建議–他們根據您以前的選擇向您推薦電影
  • 欺詐檢測–自動為您發送垃圾郵件和刪除

大多數處理大量資料的行業都認識到機器學習技術的價值。 通過從資料中獲得洞察–通常是即時的–組織可以更高效地工作或獲得比競爭對手更高的優勢。 金融服務、政府、醫療、銷售 & 行銷、交通等

「人類通常可以每週創建一兩個好模型;機器學習可以創造成千上萬的模型一個星期.」–分析思想領袖湯瑪斯·H·達文波特 (摘自《華爾街日報》)