机器学习也是一门技术，它被数据科学家（DataScientist）广泛应用，是在数据分析中最常用的技术之一。而数据科学家也是21世纪最火热的职业之一，其中机器学习是这个职位最重要的技能和工作内容之一。同时，也有像“机器学习工程师”这样的纯粹做机器学习的岗位。随着大数据时代信息量和数据量的爆炸式提升，人们对未知事物更加好奇，机器学习越来越能够“落地”而发挥使用价值。同时，随着Python等编程语言的普及以及TensorFlow等机器学习框架的完善，这个曾经似乎是高端学术的东西也越来越偏向应用，能够被更多人接受。
机器学习包含一系列算法，虽说它是这一系列算法的总称，但仅仅把机器学习视为算法或者模型是不准确的。机器学习是解决问题的一种方法，算法只是其中的一部分。这里所谓的算法或者模型，只是从输入到输出之间的一步，而机器学习是实现从输入到输出的全部过程，其中还包括对输入数据的清洗和转换、对特征的提取和整合、对数据的探索分析等。这些必要的步骤不做，拿到数据就盲目地直接套用模型，是不能解决问题的。
4.1.5 机器学习、深度学习与人工智能
机器学习、深度学习和人工智能都是现今人们热议的词汇，这三个概念通常被人们联系在一起讨论，但很多人理不清三者之间的关系。其实这三个概念虽然定义上的动机和角度有所差异，但事实上它们之间存在很清晰的包含关系。普遍认为，人工智能、机器学习、深度学习三者的关系如图4-6所示。
从概念上来说，机器学习是人工智能的一个分支。机器学习被看作解决人工智能问题的途径或者方案。而深度学习是机器学习的子类，或者可以理解为机器学习众多算法中的一种。只不过因为它最近过于突出的表现，人们越来越习惯把这个概念单独提出来讨论。
从时间轴来看，三者也从大到小有着推进关系。人工智能这个词出现得最早。早在1950年，人工智能的概念就被提出，当时这个全新的领域令人兴奋不已。到了1980年左右，机器学习开始兴起，人们开始用机器学习的方法解决人工智能问题。深度学习在2010年开始流行，作为机器学习中最前沿的部分，推动人工智能发展出现巨大突破。下面介绍深度学习，并重点说明深度学习和机器学习的关系。
人工智能与大数据技术导论
136