机器学习理解

 

机器学习是使用数据学习，推广和预测的算法的研究。令机器学习令人兴奋的是，通过更多的数据，该算法改进了其预测。例如，我记得当我的家人开始使用语音搜索而不是打字时。起初，机器需要一段时间来识别我们的话，但在使用它的一个星期内，算法的语音检测能力已经够好了，现在，语音是我家庭的主要搜索模式。

其核心在于机器学习不是一个新概念。这个术语是在1959年由IBM计算机科学家Arthur Samuel创造的，自20世纪80年代以来，它被广泛应用于软件。

随着人们从物质到数字领域的转移，我们可以从他们留下的数据的踪迹中学习。

约会自己在这里，我记得在二十世纪初期建立神经网络作为我的学习训练的一部分。虽然学习和构建这些算法是有益的，但它们缺乏真正的商业应用。缺少的是访问大量数据。随着人们从物理到数字领域的转移，他们留下数字足迹，我们可以从中学习。随着全球约有30亿人访问互联网，这些足迹使数据量惊人。

 

当我们使用短语“大数据”时，我们引用这些数据存储。随着大数据的出现，机器学习算法终于能够从学术界向产业转型，为消费者提供大量价值的产品。然而，收集和获取数据的方式只是构建机器学习数据产品（如搜索引擎和推荐系统）的难题之一。直到最近，软件程序员，数据科学家和统计学家都缺乏利用，清理和打包这些大量数据集的工具，以便其他应用程序可以使用它们。

现在，通过Amazon Web Services和Hadoop等工具，我们拥有更好，更经济有效的管理信息的方法。访问这些工具为从大数据集中获得价值的可能性开辟了新的领域。