机器学习的分类 监督学习（Supervised Learning） 无监督学习（Unsupervised Learning） 强化学习（Reinforcement Learning, 增强学习） 半监督学习（Semi-supervised Learning） 深度学习（Deep Learning） Python Scikit-learn

作为一个经常向非专业人士解释机器学习的人，我整理了以下十点内容作为对机器学习的一些解释说明。

近期，数据挖掘资讯网站KDnuggets开展了一项调查，问题是“2016年和2017年，在数据分析、数据科学和机器学习工作中，你使用R、Python、两者都用，还是其他工具?”

我曾是一名想进入AI行业的软件开发者。为了更快熟悉这里边的门道，我阅读了机器学习的书籍，浏览了不少帖子，还学习了Coursera上关于机器学习的课程。

简评：这篇文章基于 Quora 上「机器学习」话题下阅读量最高的作者，数据统计至 2017 年 6 月 25 日。

想将机器学习加入到企业的云计算应用程序吗?使用这个术语列表来了解从提供语音到文本，图像分析等功能的谷歌云端服务。

编者按：红点创投的Medha Agarwal最近写了一篇文章，名为Attention all machine learning founders: Why do you need ML for your business?道出了很多人心中的疑问，为什么没家科技公司都在研究AI和ML?

当输入有小幅扰动时，深度学习方法会失效。例如当颜色改变之后，图像识别就可能会崩溃。

我们已经谈论数据科学和数据科学家有10年了。虽然对“数据科学家”的含义总是存在一些争议，但是我们看到了许多大学、在线学院和培训机构都已经提供数据科学的课程，并给予硕士学位、资格认证等等你能想到的名字。当我们只看统计数据时，事情是比较简单的。