6、机器学习入门与实践

机器学习入门与实践

1. 机器学习概述

近年来，人工智能（AI）和机器学习（ML）成为了商业、学术界和媒体讨论的热门话题。得益于计算能力和算法的发展，机器学习取得了巨大的进步，改变了社会的方方面面，如在线内容/产品推荐、语音助手、谷歌搜索以及资源消耗预测等。

机器学习的核心是通过给模型提供数据，让其学习执行任务，而非直接为模型编写执行任务的代码。可以将其类比为给一个对某主题一无所知的孩子提供合适的学习环境和材料，让他专注学习几天后，孩子应能掌握所学任务。

在机器学习中，模型是一个将输入数据映射到特定输出的高级函数。模型学习时会调整内部机制以更好地处理给定数据。评估模型性能需定义一些指标，如准确率可用于衡量预测表现。

机器学习常与人工智能和深度学习概念混淆，下面对这两个概念进行定义：
- 人工智能 ：是计算机科学的一个广泛领域，专注于解决通常只有人类才能完成的高级复杂任务。人工智能程序通常由多个组件组成的系统，如语音助手（Siri、Alexa、Cortana）、通用人工智能（ChatGPT）和自动驾驶汽车等。这些系统依赖各种机器学习模型组件来运行，例如自动驾驶汽车需要视觉模型检测视频中的物体并分类，还需要另一个模型进行决策。
- 深度学习 ：是机器学习的一个子领域，继承了典型的建模工作流程，但专注于人工神经元的概念。在过去十年计算能力爆发的背景下，深度学习模型变得非常强大，如OpenAI的ChatGPT。

三者关系如下：

graph LR
    classDef