机器学习（人工智能）在工业中应用步骤入门

机器学习是实现人工智能最重要的方法之一，包括深度学习等都属于机器学习中的一种方法。因此，机器学习的应用被认为是实现人工智能应用的重要途径。人工智能的应用目标是使用计算机（机器）来代替或者辅助人工来完成某项任务。

机器学习完成的任务有限，并不是所有的任务的都适合使用机器学习来完成。机器学习可以完成的任务包括：

1、分类：如判断某个信用卡付款是否合法 2、聚类：根据用户的消费行为将客户划分成几类 3、推荐：为用户做个性化的商品推荐 4、预测：基于时序数据对未来进行预测

但并不是所有的任务目前都适合用机器学习（包括深度学习）来解决。例如同声传译、自动驾驶等，在实际的应用中有很多问题。因此，机器学习在解决业务问题的应用需要谨慎考虑。也有一些步骤可以参考。

一、理解业务问题

在应用机器学习技术之前，首先要理解业务目标，确保机器学习是合适的工具。一般情况下，现实中的已有的业务都有一套自有的逻辑来支撑，清楚明白的理解业务的运行逻辑和业务目标是至关重要的。这对正确使用机器学习有着至关重要的作用。同时，已有的正确的业务目标将是机器学习解决问题的目标。这一点必须要明确。

二、整合领域知识

机器学习并不是可以替代一切的神器，领域专家的知识不仅在传统业务中很重要，对于帮助机器学习解决问题也很重要。例如，预测企业拒绝一个人的求职问题中，求职者的种族是非常重要的特征，加入这个特诊会使得机器学习提高预测的准确率。原因在于企业会经常拒绝有犯罪记录的人的求职意向，在美国不允许企业查询犯罪记录之后，大多数企业会默认大部分黑人都有犯罪记录。