机器学习简介

通俗来说，机器学习是将无预数据转化为价值的方法。

机器学习的价值在于从数据中抽取规律并用来预测未来。

机器学习可以应用于分类问题、回归问题、排序问题和生成问题。

分类问题如图像识别，垃圾邮件识别；回归问题和分类问题类似，不同点在于分类问题给出的是标签，回归问题给出的是数据，如股价预测，房价预测；排序问题有点击率预估、推荐；生成问题如图像生成，图像风格转换、图像文字描述生成。

机器学习的应用流程一般是采集训练数据，定义问题，选择算法，训练得到模型（结果），应用到线上。

机器学习岗位职责一般有数据处理（采集、去噪），模型训练（对数据提取特征，转换为数据训练），模型评估和优化（评价模型的指标，优化），模型应用（测试）