根据专家的说法，机器学习是未来。随着人们对汽车和小工具的依赖性越来越高，一场全球性的技术革命即将来临，这将导致新的职业出现而旧的职业消失。在这方面，我们的团队就此问题进行了小型研究。
历史
1959年，人工智能研究员Arthur Samuel创造了机器学习一词。他发明了第一个自学计算机检查程序。塞缪尔（Samuel）将机器学习定义为计算机能够表现出最初未被编程的行为的过程。
下面我们将考虑机器学习历史上的其他重要日期：
1946年：ENIAC计算机出现了-美国陆军的一项绝密项目。
1950年：艾伦·图灵（Alan Turing）创建了“图灵测试”以测量计算机的智能。
1958年：弗兰克·罗森布拉特（Frank Rosenblatt）发明了第一个人工神经网络Perceptron，并制造了第一台大脑计算机Mark 1。
1959年：Marvin Minsky用随机耦合的神经网络制造了第一台SNARC机器。
1967年：编写了度量数据分类算法。该算法允许计算机应用简单的识别模式。
1985年：Terry Seinovsky创建了一个人工神经网络NetTalk。
1997年：深蓝电脑在国际象棋比赛中击败了世界冠军Garry Kasparov。
2006年：人工神经网络科学家Geoffrey Hinton创造了“深度学习”一词。
2011年：Andrew Ang和Jeff Dean创立了Google Brain。
2012年：Google X实验室开发了一种算法来识别显示猫的视频：）
2012年：Google推出了用于机器学习的Google Prediction API云服务。它可以帮助您分析非结构化数据。
2014年：Facebook发明了DeepFace用于面部识别。算法准确性为97％。
2015年：亚马逊推出了自己的机器学习平台-亚马逊机器学习。
2015年：Microsoft创建了用于分布式机器学习的分布式学习机器工具包平台。
2020年：几乎所有软件产品中都使用了人工智能技术。
图片：未飞溅
现在在哪里应用机器学习？
教育。由于引入了人工智能，开发人员创建了模拟教师行为的学习系统。他们可以识别学生的知识水平，分析他们的答案，给他们评分，甚至定义一个个人学习计划。
例如，AutoTutor教学生计算机素养，物理和批判性思维。纽顿考虑到每个学生的学习特点，并为他开发了独特的课程。美国空军使用SHERLOCK系统训练飞行员，以解决飞机上的技术问题。
搜索引擎。搜索引擎使用机器学习来改善其功能。例如，谷歌已经在语音识别和图像搜索中实现了机器学习。 Google在2019年推出了Teachable Machine 2.0，这是一种能够识别语音，语调和姿势的自学习神经网络。用户使用网络摄像头和麦克风，无需编写任何代码即可训练神经网络，并将其导出到第三方应用程序，媒体或网站。
数字营销。该领域的机器学习可提供深入的客户个性化。因此，公司可以在个人层面上与客户互动，从而与客户更加亲密。通过复杂的细分算法，该机器专注于“在适当的时间提供适当的客户”以有效地销售产品。此外，有了正确的客户数据，公司就可以获得可以用来研究其行为和反应的信息。
例如，Nova使用机器学习来向客户编写电子邮件时事通讯，同时使电子邮件个性化。该机器知道以前哪些电子邮件的转换率很高，因此建议对邮件进行更改以提高销售量。
卫生保健。 IBM有发展沃森。这是一台用于医学研究的机器学习超级计算机。Watson for Oncology技术处理大量医学数据，包括可以准确诊断癌症的图像。沃森肿瘤学现已在纽约，曼谷和印度的医院中使用。2016年7月，IBM开始与16个医疗中心和技术初创公司合作，以加快精确诊断程序的开发。
输出量
技术的未来是机器学习。在接下来的十年中，机器学习将不仅对顶级公司而且对有前途的初创公司都具有竞争优势。今天手工完成的工作明天将由机器完成。应当补充的是，机器学习算法不仅将用于商业和经济领域，而且还将成为日常生活的一部分（识别智能家居的语音命令）。
如今，机器学习正在呈现出新的形式并不断发展。机器学习基于计算机可以学习的概念。那些。他们可以执行原本没有编程的操作。
目前，人工智能研究人员希望测试计算机是否可以从数据中学习。机器学习的交互式方面很重要，因为机器能够不断学习并自行适应。计算机会从以前的计算和指标中学习，以提供可靠而成功的解决方案和结果，从而创造更美好的未来。