机器学习和人工智能机器学习和人工智能之间的区别：“好吧，谷歌！怎么了您可以播放我最喜欢的曲目或预订从皇宫路到MG路的出租车吗？” “亚历山大，几点了？” “早上五点起床。” “你能告诉我明天的会议吗？”这是机器学习和人工智能的完美结合。机器学习机器学习是一种数据分析方法，可以自动构建分析模型。这是一个使用算法从数据中学习并做出预测的领域。它也是人工智能的一种应用，它为系统提供了自动学习并从经验中进行改进的能力，而无需进行明确的编程。机器学习的重点是开发可以访问数据并使用其自身学习的计算机程序。实际上，这意味着我们可以将数据输入算法中，并使用它来预测将来可能发生的情况。它是人工智能的一个分支，其基础是系统可以从数据中学习，识别模式并以最少的人工干预就可以做出决策。人工智能人工智能（AI）是研究和设计智能主体的工具，这些主体具有分析环境并产生使成功最大化的行动的能力。人工智能研究中使用的工具和见解来自许多领域，包括计算机科学，心理学，哲学，神经科学，认知科学，语言学，运筹学，经济学，控制理论，概率，优化和逻辑。人工智能是基于人类如何思考，学习，决定和工作以解决问题，然后将研究结果用作开发智能软件和系统的基础的研究。不同的机器学习技术机器学习使用两种技术。有监督的学习无监督的学习有监督的学习：有监督的学习意味着您具有输入变量（x）和输出变量（Y），并且您使用一种算法来学习从输入到输出的映射函数Y = f（x）。监督式机器学习系统为学习算法提供已知数量，以支持将来的判断。监督学习通常在分类的上下文中进行，当我们要将输入映射到输出标签时，或者当我们要将输入映射到连续输出时，我们执行回归。 1.分类：分类预测建模是从输入变量（X）到离散输出变量（y）近似映射函数（f）的任务。分类问题是当输出变量是类别时，例如“红色”。或“蓝色”或“疾病”；和“无病”。分类模型试图从观察中得出一些结论。 2.回归：回归预测建模是将映射函数（f）从输入变量（X）逼近为连续输出变量（y）的任务。回归问题是当输出变量是实数或连续数时，例如“工资”。或“重量”。无监督学习：无监督学习是一种用于在数据中查找模式的机器学习技术。无监督学习仅指输入数据（X），而没有相应的输出变量。无监督学习的目的是为数据中的基础结构或分布建模，以了解有关数据的更多信息。无监督的机器学习算法可从数据集推断模式，而无需参考已知或标记的结果。聚类是最常见的无监督学习方法。群集使您可以根据相似性自动将数据集分为几组。它用于探索性数据分析，以发现数据中的隐藏模式或分组。亚马逊，一家从事机器学习和人工智能的公司：亚马逊率先实现了机器学习。亚马逊在使用机器学习见解方面处于领先地位。亚马逊正在使用始终如一的可靠客户服务来增强客户互动。在客户服务中，他们使用机器学习来预测客户问题，确定解决问题的正确工作流程，并在某些情况下发现服务滥用。 Facebook：Facebook是一家美国在线社交媒体和社交网络服务公司，总部位于加利福尼亚州门洛帕克。截至2017年6月，Facebook每月活跃用户超过20亿。微软：根据CB Insights的数据，在过去五年中，微软实际上是第三大收购方。该公司确实涉足互联网市场，尤其是在几年前以260亿美元收购LinkedIn之后。 Microsoft开发，制造，许可，支持和销售计算机软件，消费类电子产品，个人计算机和服务。 Google：Google不仅限于搜索引擎