1、《数据驱动机器学习决策：从基础到实践》

《数据驱动机器学习决策：从基础到实践》

人工智能与机器学习概述

人工智能（AI）是一个广泛的研究领域，指计算机展现出智能的能力。“展现智能”这一表述较为模糊，可理解为计算机做出我们期望生物做出的决策。AI 的概念自古就有，至少在神话中存在，比如希腊神话里的青铜机器人塔洛斯，它被制造出来保护欧罗巴免受入侵者绑架。随着时间推移，基础形式的 AI 从神话走进了现实生活。

在现代，AI 主要用于增强人类能力，实现决策和其他耗时流程的自动化。20 世纪 70 年代开发的专家系统就是现代 AI 的一个例子。专家系统利用知识库（事实和规则的集合）和推理系统来合成新知识，但其缺点是需要领域专家投入时间和精力为知识库创建事实和规则。

近年来，机器学习（ML）这种 AI 形式变得更加普遍。ML 让计算机从提供的数据中学习算法，而非由程序员提供算法。与专家系统不同，ML 是利用数据发现规则，而不是让专家为你编写规则。

如今，ML 几乎触及了各个行业。在零售行业，用于需求预测，提前数月预测产品或服务的预期销售；旅游行业根据客户的过往旅行历史和其他信息推荐景点和目的地；医疗保健领域，不仅能判断 X 光图像中的肺部是否健康，还能精准定位做出判断的图像区域，供医学专家进一步研究。

很多人认为 ML 只是专家的研究领域，只有具备计算机科学、数学、统计学等多领域的大量背景知识，才有希望在实践中运用 ML，事实并非如此。近年来，“公民数据科学家”的概念越来越常见。他们不一定有数据科学或相关领域的正规教育背景和角色，但能结合自身领域的专业知识进行一些数据科学工作。现在已经开发出许多易于使用的 ML 工具供这部分人使用。

适合阅读的人群