机器学习”。现在，这句话很重要！如今，机器学习已成为热门话题！为什么不呢?通常，计算机科学和软件开发领域中几乎所有“诱人”的新发展都与面纱背后的机器学习有关。微软的Cortana –机器学习。物体和面部识别–机器学习和计算机视觉。先进的UX改进程序–机器学习(是的！。您刚刚获得的Amazon产品推荐是某些机器学习算法在数字运算方面的努力)。
不仅如此。一般来说，机器学习和数据科学无处不在。如果他进入计算机，那就像上帝本人一样无所不能！为什么?因为数据无处不在！
因此，自然而然的是，凡是机智高超并且可以通过偷偷看一下Code来区分编程范例的人，都会对Machine Learning感兴趣。
但是什么是机器学习?机器学习有多大?让我们一劳永逸地揭开机器学习的神秘面纱。为此，我们将不遵循技术规范，而是遵循“示例性理解”的方法。
机器学习：这到底是什么?
嗯，机器学习是人工智能的一个子领域，它是从模式识别和计算学习理论演变而来的。 Arthur Lee Samuel将机器学习定义为：研究领域，使计算机无需明确编程即可学习。
因此，基本上，计算机科学和人工智能领域无需人工干预即可从数据中“学习”。
但是这种观点有缺陷。由于这种认识，每当抛出“机器学习”一词时，人们通常会想到“ AI”和“可以模仿人脑的神经网络(到目前为止，这是不可能的)”，“自动驾驶汽车”以及诸如此类的东西。但是机器学习远远不止于此。在下面，我们揭示了机器学习在起作用的现代计算的一些预期的方面和一些通常不会预期的方面。
机器学习：期望
我们将从一些您可能希望机器学习发挥作用的地方开始。
- 语音识别(更多的技术术语为自然语言处理)：您在Windows设备上与Cortana交谈。但是，它如何理解您所说的话?随之而来的是自然语言处理(NLP)领域，它通过语言学研究机器与人之间的相互作用。猜猜NLP的核心是什么：机器学习算法和系统(隐马尔可夫模型就是其中之一)。
- 计算机视觉：计算机视觉是AI的一个子领域，它处理机器对现实世界的(可能)解释。换句话说，所有面部识别，模式识别，字符识别技术都属于计算机视觉。机器学习再次凭借其广泛的算法成为计算机视觉的核心。
- Google的自动驾驶汽车：恩。您可以想象是什么驱动了它。更多机器学习优势。
但是这些是预期的应用程序。即使是反对者，也将对某些“神秘的(且极其艰苦)的头脑苦恼的计算机巫术”将这些技术带入生活中而获得的这些技术壮举有很好的洞察力。
机器学习：意想不到的
让我们参观一些普通人不会真正轻松地与机器学习结合的地方：
- 亚马逊的产品推荐：曾经想知道亚马逊如何总是有一条能诱使您减轻钱包负担的推荐。好吧，这就是在后台工作的称为“推荐系统”的机器学习算法。它学习每个用户的个人偏好，并据此提出建议。
- Youtube / Netflix：它们的工作原理与上面相同！
- 数据挖掘/大数据：这可能不会给很多人带来太大的震撼。但是数据挖掘和大数据只是大规模学习和学习数据的体现。无论从数据中提取信息的目标是什么，您都将发现潜伏在附近的机器学习。
- 股票市场/住房金融/房地产：所有这些领域都集成了许多机器学习系统，以便更好地评估市场，即“回归技术”，以预测房屋价格，预测和评估房屋价格分析股市趋势。
如您现在所见。机器学习实际上无处不在。从研发到改善小型公司的业务。它无处不在。因此，由于该行业正在兴起，而且很快就不会停止盈利，因此它弥补了相当多的职业选择。
所以，这就是现在。这构成了我们的机器学习101总结。希望我们会再次见面，当我们这样做时，我们将深入探讨机器学习的一些技术细节，行业中使用了哪些工具以及如何开始您的机器学习能力之旅。直到那时，Code Away！
该博客由Sarthak Yadav贡献。如果您还希望在此处展示您的博客，请参阅GBlog，以在GeeksforGeeks上撰写来宾博客。