係統粉 > IT資訊 > 業界資訊

萬事開頭難!如何係統的開始機器學習?

發布時間:2018-02-11    瀏覽數:

隨著越來越多的企業探索機器學習,對技能的需求也在不斷上升。穀歌,微軟,IBM和AWS隻是一些在機器學習,創建API和開發一些複雜的深度學習框架的領先者。隨著新領域的技術被開發並成為主流,對相關IT從業者職位的的需求開始上升。那麼該如何開始機器學習?

萬事開頭難!如何係統的開始機器學習?(1)

什麼是機器學習?

在1959年由IBM的計算機科學家Arthur Samuel首先提出,“機器學習”基本上使計算機不需要直接編程即可學習。

機器學習(ML)基本上是我們今天認識到的AI的應用,例如執行“聰明”任務的機器。它經常與人工智能(AI)混淆,ML有點不同。 AI是連接和“智能”機器的總稱,以及它們執行的任務。

所以,盡管ML是機器在沒有命令的情況下執行任務的科學,但是AI指的是能夠進行智能行為的機器。

需要什麼技能?

成為機器學習從業者或工程師的道路並不容易。你將不得不有一個良好的技術知識基礎和分析/數學的匹配。

首先,你應該提高你的數學技能。機器學習本質上是應用統計學和數學。掌握應用數學和統計學工作是非常重要的,因為這將幫助你更容易地選擇算法序列。進入圖書館閱讀統計和概率模型,甚至可以查看二次規劃和偏微分方程,因為所有這些將在後續需要創建自學習算法時幫助到你。

你也應該有一個數據庫,來統計編程語言的知識。Python和R編程語言都是很好的選擇,因為它們能夠處理大型數據集和統計信息。其中,Python非常易讀易學,但是R提供了一個更完整的統計語言。現在從數據科學的角度,Python或R,以及C++具有腳本功能和加速代碼的能力。

在機器學習中,你需要修改和修改數據集的結構,你很可能會使用Hadoop HBase來存儲,所以學習Java將是有利的(Hadoop建立在Java上)。

理想情況下,你就會有一個學位或深入計算機科學,計算機與結構的紮實的知識的學問,如棧,隊列和多維數組,以及數據建模結構。

最後,需要有使用Unix工具的一些經驗。鑒於大多數機器學習處理主要在基於Linux的機器上運行,所以Unix知識是關鍵。

萬事開頭難!如何係統的開始機器學習?(2)

哪些行業正在使用機器學習?

盡管機器學習在某些方麵對大多數企業來說是急需掌握的,但采用仍然需要注意,而且絕對不是標準。

金融部門已經看到了ML的特殊應用,銀行為算法技術找到了許多用途。例如,銀行可以通過巨額交易數據集使用ML來打擊欺詐行為,以發現異常行為。事實上,金融領域的無數事情可能會依賴ML,從信用卡應用程序和算法培訓到AI管理的基金和聊天機器人。

萬事開頭難!如何係統的開始機器學習?(3)

但它並不止於此。醫療保健可以從ML中獲益很多。機器將能夠發現和追蹤危及生命的疾病,就像在金融服務的文件中發現異常一樣。

交通運輸也將看到機器學習的影響,並在一定程度上已經有了。在鐵路軌道傳感器和傳感器中可以看到其中的例子,以監測路麵損耗帶來的風險可能。

上一篇:阿裏巴巴發力新零售:向居然之家注資54.53億元 下一篇:夏普Aquos S3現身工信部:全麵屏+後置雙攝

相關資訊

最新熱門應用

電腦問答