在進入正題前，我想讀者心中肯定在想：機器學習到底有什么重要性，以至于要讀完這篇文章呢？下面中培小編就來為大家解惑。

上面的幾張圖片想必大家都有所耳聞，最左邊的大家都很熟悉，斯坦福大學的副教授吳恩達，如今也是“百度大腦”的負責人與百度首席科學家。中間的是Geoffrey Hinton, 加拿大多倫多大學的教授，如今被聘為“Google大腦”的負責人，而最右邊的是Yann LeCun, 紐約大學教授，如今是Facebook人工智能實驗室的主任。這三人都是當今機器學習界的大牛，被互聯網界大鱷求賢若渴的聘請，足見他們的重要性。

機器學習是近20多年興起的一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。那何為學習？根據字典上的說法，是指通過閱讀、聽講、思考、研究、實踐等途徑獲得知識或技能的過程。而嚴格地說，機器學習是一門研究機器獲取新知識和新技能，并識別現有知識的學問。這里所說的“機器”，指的就是計算機；現在是電子計算機，以后還可能是中子計算機、光子計算機或神經計算機等等。

1959年美國塞繆爾的下棋程序表明，機器有著像人類一樣的學習能力。以致于很多人都在思索，機器的能力是否能超過人的。結果自然是持兩種觀點的人各占一部分。我們姑且不談到底哪種觀點更為準確，機器學習對人類的文明和發展都產生了重大貢獻。并且該領域在許多不同任務上取得了非常可觀的結果，與人類的表現（交通標志的識別，機器學習達到了98.98％ – 已經超過了人類）相當。

在第五屆世界互聯網大會數字經濟與資本市場融合發展對接會上，浙大網新董事長史烈在演講中表示，我們在機器學習和對抗神經網絡做AI訓練，讓AI自己學習，比人工打標簽的監督學習AI訓練模式可以節省海量時間，可以做到快速的學習和快速的部署。盡管這個技術已經是人工智能產業的成熟技術，但具體怎樣工業化的應用，我們還是看到了很大的前景。

記得有位大牛說過，機器學習這門學科所關注的問題是：計算機程序如何隨著經驗積累自動提高性能。而對于某類任務T和性能度量P，如果一個計算機程序在T上以P衡量的性能隨著經驗E而自我完善，那么我們稱這個計算機程序在從經驗E學習。這是一個非常實用的形式體系。

機器學習最有趣的特征之一就是，它介于幾個不同理論學科之間，主要是計算機科學、統計學、數學和工程學。機器學習經常被作為人工智能的一部分來進行研究，這把它牢牢的置于計算機科學中。理解為什么這些算法能夠有效工作需要一定的統計學和數學頭腦,這往往是計算機科學專業的本科生所缺少的能力。

總的來說，機器學習在人工智能里面是十分受行業人士喜愛的，未來還是有很大的前景，如果你想要深入了解機器學習，可以去中培課堂，那里有專業的講師團隊，可以讓你的事業蒸蒸日上。根據中培的課程計劃，《機器學習與深度學習實戰》將于11月16日-11月20日北京開班，12月15日-19日深圳開班，歡迎感興趣的朋友們報名垂詢！