机器学习可能没有那么神秘

人工智能，机器学习，深度学习，神经网络，这些热词看上去都有些神秘和高大上。

基本逻辑是这样，传统的软件编程思路是利用程序设计制定“规则”，然后输入数据，产生我们想要的结果。而机器学习是输入数据和结果，产生我们想找的规律，规则。这是计算机解决实际问题的一个进步，虽然理论很早就有，但互联网、数据和硬件处理能力的提高，才为它插上了翅膀。

常用的机器学习以分类和回归最为常见，我们在统计学中学习过的线性回归，就是典型的一种，只不过由手工结合计算器，或Excel，换成了python，R等更高效的工具。至于深度学习和神经网络算法，都应该是机器学习大类里的子类别。

算法基本都是工具中现成和封装好的，学习起来和excel函数并没有太大区别，困难在于寻找并定义问题，准备数据，选择合适的算法，然后改进。

了解一样东西，最好的方法就是上手尝试一下。传统行业人士，可能最了解行业的问题，如果能够进一步了解技术的逻辑，亲自动手尝试一下，理解技术的边界和扩展，则更有可能更好地利用新技术解决传统问题。

可能是因为传统行业的“传统”，现在似乎反过来的情况更多。