关于机器学习最简单的定义来自于 Berkeley
所表述的:机器学习是AI的一个分支，它探索了让计算机根据经验提高效率的方法。
为了更深刻的理解这一定义，接下来我们将对其进行拆分分析。
AI 的分支： 人工智能是一种能够使得计算机及其系统能够成功完成通常需要人类智能行为才能完成的任务的研究和开发。机器学习是训练计算机完成上述任务的技术和过程，是其必不可少的一部分。 探索方法： 现阶段机器学习技术仍在不停地涌现 ， 虽然一些用于训练计算机的模型已经被识别和使用，但由于不同的业务问题需要不同的模型，在训练计算机时也可以使用不同的模型，随着时间的推移将会开发出更多模型。 帮助计算机以提高其性能： 大多数情况下，要让计算机完成人工智能的任务，它需要借助于人工帮助去练习和适应。 以经验为基础： 提供具有经验的AI的另一种说法—为其提供数据。随着更多数据被输入系统，计算机可以更准确地对它以及将遇到的未来数据做出响应。
是指记录和分析历史数据增强商业智能。向管理者提供描述性信息，并更好地理解过去行动和决策的结果和后果。这个过程现在已成为全球大多数大型企业的常规工作。
应用机器学习的第二阶段是预测。收集数据并使用它来预测特定结果可以提高反应性，使其更高效地做出决策。
最后一个规范性阶段是最先进的机器学习阶段，该阶段已被应用与企业活动中，并且在新兴企业的推动下不断向前发展。在针对有效和高效的业务实践时了解原因、动机和背景是最佳决策的先决条件，而只预测行为或结果是不够的。具体地说，当人和机器结合起来时，这个阶段是可能的。机器学习用于找到有意义的关系并预测结果，而数据专家则充当翻译者，以了解关系存在的原因。这样，就可以更精确地作出决策。
此外，除了预测性洞察之外，感兴趣的朋友还可以了解一下另一个机器学习应用程序：流程自动化。
这里是关于这两个概念的介绍和对比。
以下是机器学习可以解决的问题的一些示例。
物流和生产： l Rethink Robotics 使用机器学习来训练机器人手臂并提高生产速度； Jaybridge Robotics可实现工业级车辆自动化，以实现更高效的运营；
lÂ
Nanotronics自动化光学显微镜以改进检查；
l
Netflix 和 Amazon根据用户需求优化资源分配；
l 其他例子包括：预测ERP/ERM需要；预测资产故障和维护，提高质量保证，提高生产线性能。
销售和营销： 6sense 预测哪种铅更容易被买，哪个时间更容易被买入； Salesforce Einstein 帮助预测销售机会并自动完成任务； Fusemachines 通过AI助手自动完成销售任务； AirPR 提供了提高公关绩效的洞察力； Retention Science建议跨渠道行动以推动参与；
l 其他示例包括：预测客户的生命周期价值，提高客户细分准确度，检测客户购物模式以及优化用户的应用内体验。
人力资源： Entelo 帮助招聘人员识别和鉴定候选人； hiQ 协助管理人员进行人才管理。 金融： Cerebellum Capital Sentient 利用机器学习驱动的软件增强投资管理决策； Dataminr可以通过提供有关社交趋势和突发新闻的早期警报来协助实时财务决策；
l 其他例子包括：检测欺诈行为和预测股票价格。
卫生保健： Atomwise 使用预测模型来减少药物生产时间； Deep6 Analytics确定符合条件的患者进行临床试验；
l 其他例子包括：更准确地诊断疾病，改善个性化护理和评估健康风险。
你可以在
Sam DeBrule 汇集的精彩 列表中 找到更多机器学习和人工智能以及其他相关资源的 示例 。 数十款阿里云产品限时折扣中，赶紧点击领券开始云上实践吧！ 本文由北邮 @爱可可-爱生活 老师推荐， 阿里云云栖社区 组织翻译。 文章原标题《 Understanding
Machine Learning
》
作者： Charles A.R
译者：乌拉乌拉，审校：袁虎。
文章为简译，更为详细的内容，请查看
原文文章