在进入正题前，我想读者心中肯定在想：机器学习到底有什么重要性，以至于要读完这篇文章呢？下面中培小编就来为大家解惑。

上面的几张图片想必大家都有所耳闻，最左边的大家都很熟悉，斯坦福大学的副教授吴恩达，如今也是“百度大脑”的负责人与百度首席科学家。中间的是Geoffrey Hinton, 加拿大多伦多大学的教授，如今被聘为“Google大脑”的负责人，而最右边的是Yann LeCun, 纽约大学教授，如今是Facebook人工智能实验室的主任。这三人都是当今机器学习界的大牛，被互联网界大鳄求贤若渴的聘请，足见他们的重要性。

机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。那何为学习？根据字典上的说法，是指通过阅读、听讲、思考、研究、实践等途径获得知识或技能的过程。而严格地说，机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机；现在是电子计算机，以后还可能是中子计算机、光子计算机或神经计算机等等。

1959年美国塞缪尔的下棋程序表明，机器有着像人类一样的学习能力。以致于很多人都在思索，机器的能力是否能超过人的。结果自然是持两种观点的人各占一部分。我们姑且不谈到底哪种观点更为准确，机器学习对人类的文明和发展都产生了重大贡献。并且该领域在许多不同任务上取得了非常可观的结果，与人类的表现（交通标志的识别，机器学习达到了98.98％ – 已经超过了人类）相当。

在第五届世界互联网大会数字经济与资本市场融合发展对接会上，浙大网新董事长史烈在演讲中表示，我们在机器学习和对抗神经网络做AI训练，让AI自己学习，比人工打标签的监督学习AI训练模式可以节省海量时间，可以做到快速的学习和快速的部署。尽管这个技术已经是人工智能产业的成熟技术，但具体怎样工业化的应用，我们还是看到了很大的前景。

记得有位大牛说过，机器学习这门学科所关注的问题是：计算机程序如何随着经验积累自动提高性能。而对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习。这是一个非常实用的形式体系。

机器学习最有趣的特征之一就是，它介于几个不同理论学科之间，主要是计算机科学、统计学、数学和工程学。机器学习经常被作为人工智能的一部分来进行研究，这把它牢牢的置于计算机科学中。理解为什么这些算法能够有效工作需要一定的统计学和数学头脑,这往往是计算机科学专业的本科生所缺少的能力。

总的来说，机器学习在人工智能里面是十分受行业人士喜爱的，未来还是有很大的前景，如果你想要深入了解机器学习，可以去中培课堂，那里有专业的讲师团队，可以让你的事业蒸蒸日上。根据中培的课程计划，《机器学习与深度学习实战》将于11月16日-11月20日北京开班，12月15日-19日深圳开班，欢迎感兴趣的朋友们报名垂询！