【读书笔记】1. 机器学习入门（100个案例搞懂人工智能）

什么是机器学习

人工智能（Artificial Intelligence）

• 主要研究智能的实质，并提出一种模拟人类思考的方式。
• 该领域的研究对象包括：机器人、语音识别、图像识别、自然语言处理、专家系统等。

机器学习（Machine Learning）

• 是让计算机也能像人类一样学习，通过观察和训练，发现实物规律，从而获得分析问题、解决问题的能力。

机器学习的三要素

• 数据 Data
• 学习算法 Learning Algorithm
• 模型 Model

机器学习的价值

• 可以对大量数据进行分析并获得规律，然后利用规律对未知数据进行预测。
• 不但能从数据中看到人类能看到的规律，更重要的是能在更短的时间内发现人类看不到的规律。

机器学习的必备条件

• 有规律可以学习（不是随机事件）
• 编程很难做到
• 有足够多能够学习到其中规律的数据

产品经理

• 学习各种算法的实现原理，知道实现机器学习的必要条件
• 懂得在后续工作中需要重点关注那些方便的内容，以便运用机器学习解决问题。

---

什么问题适合用机器学习方法解决

机器学习可以解决的问题

机器学习可以解决的问题

产品经理

• 首先考虑问题是否适合用机器学习的方式去解决
• 思考怎么样拿到有效的数据，如果有数据确实如何补充
• 数据类型是什么样子的，是否有合适的算法可以支持实现
• 对于数据提前考虑能够极大地提高沟通效率

---

机器学习的过程

机器学习的三个阶段

• 准备数据：收集数据、探索数据、数据预处理
• 建立模型：训练模型、评估模型、优化模型
• 模型应用：上线投产

模型训练的本质：通过大量训练数据找到一个和理想函数最接近的模型

模型训练的本质

模型的训练及选择

• 根据应用场景、实际要解决的问题以及手上的数据，选择一个合适的模型
• 构建损失函数，需要依据具体的问题来确定
• 求解损失函数，常用方法：梯度下降法、最小二乘法

产品经理

• 在准备数据阶段，我们可以根据业务经验告诉开发工程师，哪些数据是业务同时重点关注的，哪些数据可能会更有价值，哪些数据之间可能存在关联
• 在建模阶段，可以根据对业务场景的理解，提出模型与数据源优化的方法，让程序开发和场景应用能够有机的结合起来

机器学习的类型

机器学习的类型

产品经理

• 不但要考虑如何提升模型的进度，更要思考模型应用后，如何提升应用效果