我的目的是成为一名人工智能相关的产品经理。
此书可以作为机器学习入门的教科书，豆瓣评分8.7。看完前两章的我，强烈推荐。清华大学出版，周华志著。
另：《图解机器学习》真的很坑，完全不适用于新手。
一、先前概念
开始之前，我们先了解几个概念，很多人只听过，却完全不知道其中的含义。
大数据，大数据挖掘，机器学习，深度学习，人工智能，这些概念的联系与区别。（都是我自己的理解，有不对的地方请指出）
首先，他们都是独立的概念。
1. 大数据
大数据，原指海量的数据。但现在人们口中的【大数据】，有了更深的含义。其中包括对海量数据的存储、传输、计算、分析等。
对大数据的这些需求，相对应的产生了一系列的大数据职位。如大数据分析师、大数据挖掘师（算法工程师）、大数据架构师等。
他们的主要工作就是对海量的数据进行有效的、有商业目的的存储、传输、计算、分析。
大数据要怎么用呢？依靠数据挖掘。
2. 大数据挖掘
大数据挖掘是指从海量数据中发掘出有价值的知识和规律。就是希望从数据中挖出金子，怎么挖呢？
对数据进行分析和利用，就涉及到对数据的“管理”和“分析”。
管理数据- 需要用到数据库。
分析数据- 需要用到统计学和机器学习。
统计学领域经常需要经由机器学习，产生有效的学习算法，再将算法应用到数据挖掘中。
3. 机器学习
因为人类没有办法从海量数据中总结出一些规律，所以需要依靠机器的高计算能力，帮助我们得出我们想要的答案。
机器学习，就是机器（计算机）自主学习，通过大量的数据学习到一些规律或模型（这些我们无法用人脑计算出），这些规律或模型可以判别新的数据，甚至推测出未知数据，预知未来。英文缩写ML。
因为机器学习可以应用到不同领域，比如语音，图像，视频等，对应产生了不同的学习方法和研究领域，比如计算机视觉、语音识别等。
我们只要知道，这些都是属于机器学习的领域即可。
那怎么让机器学习呢？方法有很多，比较热门的是深度学习。
4. 深度学习
深度学习，属于机器学习最热门的一种方式。
它模仿了人脑，经过“很多层”的神经网络算法的深度学习，达到机器学习的目的。称为深度学习，英文缩写DL。
由于它在语音、图像上的识别能力很好，所以成为机器学习技术的首选。
值得一提的是，神经网络算法很久之前就有了，现在才火起来，有两个基本原因：数据大了，计算能力强了。
5. 人工智能
我们的终极目标，是人工智能。就是希望机器能够拥有人类的思维方式和逻辑，帮助人类更好的生活。
至此，我们已经了解了最最基本的概念。接下来，我们就根着这本书，一起开启机器学习的旅程吧~~
-- 原创，未经授权，禁止转载 2017.10.25 --
