专栏首页CDA数据分析师谷歌教你学 AI -第一讲机器学习是什么?

谷歌教你学 AI -第一讲机器学习是什么?

CDA字幕组 翻译整理

世界中充满了数据,大量的数据。图片、音乐、文字、电子表格还有视频。而且在短时间内丝毫没有放缓的趋势。机器学习给所有的数据带来意义。

Arthur C. Clarke有一句名言(英国作家 发明家 主要作品《2001太空漫游》)。

"任何足够先进的技术无异于魔法"。

我发现与其说机器学习是魔法,不如说是可以利用的工具和技术,从而用你的数据解答问题。

这是Cloud AI Adventures系列视频,我叫 Yufeng Guo。在每一期视频中我们将探究机器学习的艺术 科学以及工具。在这一过程中我们将发现,获得精彩的体验以及得出有价值的见解是多么的简单。

机器学习的价值刚刚开始显现。如今世界中充满了数据,这些数据不仅仅由人类产生的,还由计算机、手机和其他设备产生。在将来这只会持续地增加。

我们身边的数据

从传统层面来说,人们分析数据并改进系统去适应数据模式的变化。然而随着数据量超过人类理解以及手动编写规则的能力,我们将越来越多的转向自动系统。自动系统能够从数据中学习,更重要的是从数据的变化中学习,从而适应所面临的大转变。

机器学习无处不在

在如今使用的产品中,我们总可以看到机器学习的身影。这些产品背后都有机器学习的参与,但这不总是那么明显。

比如给照片中的物体和人加标签,这很显然有机器学习的参与。但是视频网站自动推荐接下来看的视频,就不那么明显了。然而这也是通过机器学习实现的。

当然,最明显的例子就是谷歌搜索引擎。每次你使用谷歌搜索,当中都包括了很多机器学习系统。从理解你搜索的文字,到根据你的个人兴趣调节搜索结果。

比如当你搜索"Java"时,根据你是咖啡方面的专家还是开发人员把哪个结果放在最上面。是优先显示Java咖啡豆,还是Java编程语言。也许你两者都是。

如今机器学习的即时应用已经无处不在,包括图像识别、欺诈检测以及推荐系统。同时还包括文本系统和语音系统。

这些强大的功能可以适用于广泛的领域,比如糖尿病视网膜病和皮肤癌检测、零售业以及交通方面,比如自动停车和自动驾驶汽车。

不远的将来

不久之前,当公司和产品中包含机器学习技术这会被认为很新奇。而现在每家公司都设法在产品中使用机器学习,这迅速成为了理所应该的特点。正如我们期待公司提供,能够在手机设备上运行的网站或者相关APP。

很快我们的科技将具有个性化,有洞察力以及能够自我修正。

随着我们利用机器学习,让人类的各种任务比起以往能够更快更容易完成。我们可以看得更长远一些,比如机器学习能够帮助我们达成凭借一己之力无法完成的任务。

幸运的是,如今利用机器学习并不难。工具发展的很不错,你所需要的就是数据、开发人员以及敢于冒险的意志。

使用数据解答问题

在这里,我把机器学习的定义减少为五个词。

"使用数据解答问题"

(using data to answer questions)

我们可以把该定义分成两个部分:"使用数据" 和"解答问题”。

这两部分大致论述了机器学习的两方面,两者都一样重要。"使用数据"也就是我们所说的训练;”解答问题"也就是做出预测或者推理。

下面让我们简单看下这两部分。训练就是使用数据来创建和调整预测模型,该预测模型之后可以对新的数据进行预测,并解答那些问题。随着收集的数据越来越多,模型会不断改进,从而部署出新的预测模型。

数据是关键

你可能注意到了,整个过程的关键部分是数据,一切都依赖着数据。

数据是开启机器学习的钥匙,同样,机器学习也是开启隐藏在数据中见解的钥匙。

以上只是机器学习的简介,关于其重要性和一些应用。机器学习是一个广泛的领域,贯穿于各种从数据中得出答案的技术。

接下来还有什么

在之后的视频中我们将讲解,针对给出的数据集应该用哪些方法以及关于你想解答的问题,还包括提供实现这些功能的工具。

下一个视频中我们将深入探讨,在给出更多细节的情况下,如何进行机器学习的具体步骤。通过一步步递进深入,关于如何解答机器学习问题。

下期预告:机器学习的七个步骤

本文分享自微信公众号 - CDA数据分析师(cdacdacda),作者:CDA编译团队

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-12-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 深度 | 一份麦肯锡给公司高管定制的机器学习指南

    机器学习基于一种算法,该算法从数据中获得学习能力,而无需依靠基于规则的编程。随着数字化的进步和计算能力日趋便宜,使得数据科学家能够停止建造模型,转而训练计算机来...

    CDA数据分析师
  • 如何利用机器学习进行海量数据挖掘

    互联网的海量数据不可能靠人工一个个处理,只能依靠计算机批量处理。最初的做法是人为设定好一些规则,由机器来执行。但特征一多规则就很难制定,即使定下了规则也没法根据...

    CDA数据分析师
  • 印度小伙用两年,从菜鸟到最年轻Kaggle大师,成功就职世界500强

    一位21岁的印度小伙,刚刚大学毕业,学的是电子与传播学工程,与数据科学毫无关系,但是却用了两年的时间,成长为印度最年轻的“Kaggle 二级大师”,并拿到世界5...

    CDA数据分析师
  • 观点 | 重新思考机器学习:大数据消耗已无必要

    翻译 | AI科技大本营(rgznai100) 参与 | Shawn,焦燕 导读 机器学习炒了这么这么多年,为什么我们还没看到企业有开发出任何这方面应用?本文会...

    AI科技大本营
  • 英国皇家学会百页报告:机器学习的力量与希望(豪华阵容参与完成)

    选自:英国皇家学会 参与:机器之心编辑部 以机器学习为代表的人工智能技术是当下最为热门的技术研究方向之一,其被认为对经济、社会、科学等都会有颠覆性的重大影响。近...

    机器之心
  • 机器学习VS 编程,二者的最大区别是什么?

    有些人认为人工智能和机器学习的本质不过是大肆运用if语句,或者说编程知识罢了,建议说这话的人最好能拿出详细证据证明。本文将对比两个概念,并解释从事这两个领域的专...

    商业新知
  • 机器学习 VS 传统编程

    机器学习只是一个描述数学+算法的新词吗?有时这样的简化看起来很有趣,但显然机器学习更复杂。

    量化投资与机器学习微信公众号
  • 简明数据科学(1):啥啥啥?这都是啥?

    原文:Data Science Simplified Part 1: Principles and Process 译者:杨德杰 2006年,英国数学家、Tes...

    陆勤_数据人网
  • 微积分、概率和线性代数,分别在机器学习中扮演了什么角色?

    人工智能领域吸引了许多有志者投身其中,也有许多非科班出身或从其他行业切换赛道转行而来的朋友。大家在学习的过程中经常会感觉学习曲线陡峭、难度较大,而机器学习之所以...

    用户1737318
  • 你可能遇到了”假“的数据科学家

    近十年来,“数据科学”和“数据科学家”备受争论。对于哪些人可以被称为是“数据科学家”,争论不休,你很有可能遇到了”假“的数据科学家。 我们最后达成一致:只要取得...

    CSDN技术头条

扫码关注云+社区

领取腾讯云代金券