2、工业机器学习：从基础到应用

工业机器学习：从基础到应用

1. 数字化变革与数据挑战

我们正处于全球数字化变革的浪潮中，企业正越来越多地采用工业化机器学习，人工智能能力的不断发展促使其成为传统商业模式的变革性颠覆者。机器学习能够改进驱动我们世界的模型和方法，以适应下一代商业需求。

如今，人们将大量个人和企业资产存储在海量的数据湖中。许多企业客户意识到，如果没有先进且精心设计的机器学习策略来有效处理这些不断膨胀的关键业务信息数据湖，他们将难以在第四次工业革命中生存。

全球数据生产者每天产生 2.5 万亿字节的新数据，物联网的发展将使数据量大幅增加。数据科学家和工程师面临着巨大的责任压力，唯一可行的解决方案是推动机器学习适应这些新的数据需求，而数据科学家则成为下一代人工智能能力的训练者。

2. 核心知识领域

• 数据科学 ：1960 年，Peter Naur 提出用“数据科学”替代计算机科学，他认为处理数据需要超越计算机科学的知识，这一观点得到了广泛认同。数据科学是一门跨学科科学，融合了从异构模式（结构化、半结构化或非结构化）数据中获取知识和见解的实践与方法，涉及数据工程、信息科学、计算机科学、统计学、人工智能、机器学习、数据挖掘和预测分析等多个领域。
• 数据分析 ：数据分析是对原始数据进行事实调查分析的科学，旨在从数据湖中得出结论。它由经过认证的算法驱动，以统计方式定义数据之间的关联，从而产生见解。在向其他业务人员证明数据见解的重要性时，认证算法的使用至关重要。
• 机器学习 ：机器学习是系统在无需明确提