机器学习的应用

之前参加过一些机器学习相关的分享课题，了解到一些机器学习在各个场景下的应用，做的一些学习笔记。

 

机器学习在电商场景的应用

图像识别：

• 审核用户上传的买家秀、卖家图片、视频是否存在非法。

自动规划：

• 外卖领域：根据距离以及外卖的送达时间，不断的训练，推算出预计送达时间。
• 商品推荐：根据结算时顾客的购物清单，推算出关联性高的商品，例如，红酒和红酒起子，方便超市运营人员，调整货架，提高销售额。根据用户网上购物的习惯和路径，分析用户的喜欢，进行更好的商品推荐。

智能客服：

• 聊天机器人承担最简单通用的一些问题点回答，减轻人工客服的人力成本，并且随着不断的学习和训练，智能机器人也能够更好地理解用户查询，并为他们提供更好的答案，这均是由于其底层的机器学习算法驱动的。

 

 

机器学习在Google的一些应用

tensorflow在Google的各个产品里是怎么应用的呢？之前有听过一位工程师老师的分享

• Google Search：搜索排名
• Android：Gboard输入键盘，以及语音输入
• Gmail：垃圾邮件分类
• Translate：翻译，语音同传
• Photos：图片查询
• Youtube：视频推荐
• Play：APP推荐
• Chrome：以图搜图
• Maps：解决停车难的问题

 

机器学习在农业上的运用

• 语音识别：根据伐树的特征性的声音进行提取和识别，判断是否有人在森林里乱砍乱伐
• 图像识别：根据植物叶子图像识别植物有没有生病

 

机器学习在安全攻防的应用

• 根据人脸特征识别罪犯等等

• 恶意用户识别：在用户点击流数据中，包括请求时间、IP、平台等特征。因此可以采用机器学习识别异常设备登录、异常账号、盗号、欺诈等行为。
• 欺诈电话识别：从号码活跃特征数据、号码的社交网络、号码的行为事件流、号码的行为特征、号码信用度、号码异常度等方面来进行特征抽取，根据机器学习架构检测。