机器学习是一个普遍的术语，但并不是每个人都正确。在本文中，KORUS咨询集团Alena Gaybatova和Ekaterina Stepanova的分析解决方案方向的专家将告诉您真正的机器学习（ML），在这种情况下应在项目中使用该技术，以及在实践中积极使用机器学习的地方...
数据如何处理
长期以来，在与客户会面时，我们开始注意到每个人都在混淆机器学习，人工智能（AI），大数据和该领域的其他术语。
因此，该技术的通用名称是人工智能。它有两种类型-强（也称为一般）和弱。我们不会特别讨论强大的AI，因为这些是终结者级别的决策。我们正在逐步接近它，但到目前为止，它仅以收集在一起的弱AI片段的形式存在（例如，在“智能”列中）。
谈论弱人工智能更有趣。它也分为两种类型。首先是专家系统，即人工编程的算法（例如，一个语言学家小组编程了一种将单词从一种语言翻译成另一种语言的算法）。
第二个是所谓的 数据驱动系统，该系统从某种历史数据中提取工作逻辑。随着时间的流逝，此类型具有许多同义词：
于90年代流行，并且从数据库（KDD）进行零数据挖掘和知识发现，
数据科学在2010年左右开始使用，
大数据今天很流行。该术语引入的唯一例外，或者说是补充，是存在大量复杂结构的数据。
针对不同任务的不同算法
根据两种类型的弱AI，我们可以手动（使用专家系统）并使用机器学习从数据中得出结论。反过来，它又分为两种类型：经典ML和深度学习（使用具有大量层的深度神经网络）。
ML . , , : , . , , c.
— , , . , : , , . , . , .
, — . , , .
? : , . : — 3 . , .
- , , .
– , , . — : , , — , .
— . , - . — , , , . . . , .
, .
– . C . 4 . – . , , . , , . .
C , — .
1950- . , : .
, . , . , . , , , .
ML . .
, . , .
. ( – , , ). , , , , , .
Uplift, . Uplift , , ( , ), .
–
, . ML . , , .
, - ;
, / ;
, , .
– . C ,
, , , , , . - .
, ML , , , , , , , , — .
, . , , , , , , . , , .
— . , , , , . – , , , . ML — , , , , , , .
, , . ( ), . , , – , - .
C , , , , , , , .
, , , . , , , ML- -.
, , . , , , . , .