什麼是機器學習？
簡而言之，機器學習是人工智慧的一個子領域，其中電腦根據直接從數據中學習的模式提供預測，而無需明確編程。您會在這個定義中註意到機器學習是人工智慧的一個子領域。因此，讓我們將定義分解得更詳細，因為機器學習、人工智慧、深度學習甚至資料科學等術語經常可以互換使用。
人工智慧
人工智慧的最佳定義之一來自谷歌大腦 厄瓜多爾電話號碼列表 聯合創始人、百度前首席科學家吳恩達。安德魯認為，人工智慧是「一套讓電腦表現出智慧的龐大工具」。這可以包括從明確定義的系統（如計算器）到基於機器學習的解決方案（如垃圾郵件偵測器）的任何內容。
機器學習
如上所述，機器學習是人工智慧的一個子領域，其中演算法從歷史資料中學習模式，並透過將這些模式應用於新資料來提供基於這些學習模式的預測。傳統上，像計算器這樣的簡單智慧系統是由開發人員明確編程為明確定義的步驟和過程（即，如果這樣，那麼那樣）。然而，這對於更高級的問題來說是不可擴展的或不可能的。
讓我們以電子郵件垃圾郵件過濾器為例。開發人員可以嘗試透過明確定義垃圾郵件過濾器來建立垃圾郵件過濾器。例如，他們可以定義一個程序，如果電子郵件具有特定主題行或包含特定鏈接，則該程序會觸發垃圾郵件過濾器。然而，一旦垃圾郵件發送者改變策略，這個系統就會失效。
另一方面，基於機器學習的解決方案將以數百萬封垃圾郵件作為輸入數據，透過統計關聯學習垃圾郵件最常見的特徵，並根據學習到的特徵對未來的電子郵件進行預測。
深度學習
深度學習是機器學習的一個子領域，可能是流行文化中最明顯的機器學習用例的原因。深度學習演算法受到人腦結構的啟發，需要大量資料進行訓練。它們通常用於解決最複雜的「認知」問題，例如語音檢測、語言翻譯、自動駕駛汽車等。查看我們對深度學習與機器學習的比較，以了解更多背景資訊。
數據科學
與機器學習、人工智慧和深度學習相比，數據科學的定義相當廣泛。簡而言之，數據科學就是從數據中提取價值和見解。該價值可以採用使用機器學習的預測模型的形式，但也可能意味著透過儀表板或報告來呈現見解。在本文中詳細了解資料科學家的日常任務。
圖片12.png
除了垃圾郵件偵測之外，一些常見的機器學習應用程式包括基於人口統計資料的客戶細分（銷售和行銷）、股價預測（金融）、索賠審批自動化（保險）、基於觀看歷史記錄的內容推薦（媒體和娛樂） ，等等。機器學習已經變得無所不在，並在我們的日常生活中找到了各種應用。
在本文的最後，我們將分享許多資源來幫助您開始機器學習。
