机器学习是人工智能的分支，专门研究计算机怎么模拟或实现人类的学习行为。在机器学习产品的研发过程中，产品经理需准确找到用户需求与机器学习技术的交集，为训练模型创造必要的计算资源。基于此，产品经理至少能够掌握：机器学习流程、机器学习可以解决的问题分类、算法的基本原理、工程实践中算法、数据和计算资源的以来关系等。
什么是机器学习呢？
在这之前，我们先要理解和区分四个紧密相连的名词：人工智能、机器学习、表示学习、深度学习。这四个词的关系如下图所示：
四个名词的关系
机器学习是人工智能的一个分支，通过各种算法训练模型，并用这些模型对新问题进行识别和预测，再不断完善算法模型。随着越来越多的继续去学习的成果出现，热门发现简单的机器学习的算法技能，很大程度上依赖于人为给定数据的表示和特征，特征的选取决定了机器学习的最终效果。但是，在很多场景中，特征的选取会随着场景的变化而变化，如果只是重复“表示特征输入——表示映射输出”的过程，光依靠人类设计特征需要耗费大量的成本，因此，为了解决这个问题，需要机器学习来挖掘表示本身，而不仅仅是把表示映射到输出。
是什么意思呢？
如果"下雨"是一个表示，对应的结果是“夏天下雨是凉爽的”。如果光靠人类设计特征时，机器学习得到这样的结论，可能需要人类设计的特征有“雨”、“日期”、“温度”等；如果机器自己学习更多场景，人类只需要设计“雨”这个特征，机器学习自己获取了“日期”、“温度”、“温暖”等这些抽象的特征，可能得到的结论是“夏天时下雨凉爽的，而此时，你想喝杯咖啡。”
也就是说，深度学习是机器自己去学习获得更多经验。深度学习是表示学习的一种，具有强大的灵活性。
应该认识到，深度学习只是借鉴了脑神经科学的实现手段，与真实的人脑差距很大，在人工智能体系中，有这么几种学习方法的逻辑流程
人工智能体系中不同学习方法的逻辑处理流程
