隨著近來數(shù)據(jù)可用性，算力和新算法的快速發(fā)展，機器學習已逐漸成為實現(xiàn)人工智能（AI）的關(guān)鍵方法之一。
機器學習是計算機科學更廣泛領(lǐng)域中人工智能的一個子集。它用計算機和算法從“數(shù)據(jù)”中學習并發(fā)現(xiàn)“模式和洞察”，因為在許多情況下，“模式和洞察”就隱藏在“數(shù)據(jù)”之中。隨著時代發(fā)展，從業(yè)務(wù)流程中積累的數(shù)據(jù)對人類來說理解起來可能非常復雜。然而算法卻能夠比人更快、更準確地從數(shù)據(jù)中發(fā)掘出“模式和洞察”。
機器學習分為兩類技術(shù)：監(jiān)督學習和無監(jiān)督學習。監(jiān)督學習是指在已知的輸入和輸出數(shù)據(jù)上訓練模型以使其可以預測未來的輸出數(shù)據(jù)，無監(jiān)督學習則是在輸入數(shù)據(jù)中發(fā)現(xiàn)隱藏模式或內(nèi)在結(jié)構(gòu)。
機器學習的過程本質(zhì)上是非常簡單的：找到模式、應(yīng)用模式， 這很大程度上要歸功于Geoffrey Hinton在1986年的一項發(fā)明，今天我們稱他為深度學習之父。
什么是深度學習？
深度學習是一種“深層”神經(jīng)網(wǎng)絡(luò)，它包括許多層神經(jīng)元和海量數(shù)據(jù)。 這種先進的機器學習方式可以解決復雜問題，非線性問題 ，并且很多AI突破都與之相關(guān)，例如自然語言處理（NLP），個人數(shù)字助理和自動駕駛汽車。
什么是神經(jīng)網(wǎng)絡(luò)？
神經(jīng)網(wǎng)絡(luò)，又稱人工神經(jīng)網(wǎng)絡(luò)，是一種模擬神經(jīng)元在人腦中工作方式的機器學習。 該計算機程序使用多個節(jié)點（或“神經(jīng)元”）并行操作，可以用于學習事物、識別模式以及模擬人類決策。
機器學習如何工作?
機器學習通常包含4個關(guān)鍵步驟：

1、數(shù)據(jù)預處理：范圍縮放，缺失值插補

2、特征工程：特征提取，特征編碼

3、模型選擇

4、超參數(shù)優(yōu)化
機器學習工程師或數(shù)據(jù)科學家在為特定任務(wù)構(gòu)建機器學習流程時必須仔細設(shè)計每個步驟， 這些步驟通常是相互依賴的。 此外，設(shè)計和優(yōu)化這些步驟需要深入了解各種算法，例如線性回歸、邏輯回歸、決策樹、樸素貝葉斯、K近鄰法、隨機森林、梯度提升算法等。只有了解這些算法的優(yōu)缺點以及數(shù)據(jù)編碼才能夠做好工作。
然而，這種傳統(tǒng)的機器學習流程對人的依賴度非常高，并非所有企業(yè)都有資源投資于經(jīng)驗豐富的數(shù)據(jù)科學團隊。 而且一些數(shù)據(jù)科學家也缺乏足夠的專業(yè)知識來分析不同的數(shù)據(jù)集并構(gòu)建機器學習模型。
為了使機器學習更易使用，減少所需的人工專業(yè)知識并提高模型性能，自動化機器學習（AutoML）已經(jīng)成為研發(fā)和商業(yè)應(yīng)用的一個令人興奮的新興領(lǐng)域。
自動化機器學習是將機器學習應(yīng)用于現(xiàn)實問題的全鏈自動優(yōu)化的過程。 它本質(zhì)上關(guān)注兩個主要方面 - 數(shù)據(jù)收集和數(shù)據(jù)預測，中間發(fā)生的所有其他步驟都可以輕松實現(xiàn)自動化，同時提供經(jīng)過優(yōu)化并準備好進行預測的模型。

為什么機器學習這么重要?
機器學習為我們今天使用的許多服務(wù)提供了驅(qū)動力，如優(yōu)酷，淘寶，今日頭條的推薦系統(tǒng);百度和必應(yīng)等搜索引擎;微博和微信這樣的社交媒體;Siri和天貓精靈這樣的語音助理，這樣的名單還很長。
所有這些例子都表明機器學習在當今數(shù)據(jù)豐富的世界中已經(jīng)開始發(fā)揮關(guān)鍵的作用。機器可以幫助我們篩選出有助于獲得重大突破的有用信息，我們已經(jīng)看到這種技術(shù)在各行各業(yè)中的廣泛應(yīng)用，如金融，醫(yī)療，保險，制造，轉(zhuǎn)型變革等。
有了自動化機器學習，數(shù)據(jù)科學家可以通過自動執(zhí)行重復性任務(wù)來提高工作效率。這使他們能夠更多地關(guān)注解決問題本身而不是建模過程，并加快整個機器學習過程。傳統(tǒng)機器學習整個過程中都需要人工干預，自動化機器學習流程還有助于避免人為錯誤。最終，自動化機器學習通過讓每個人都可以使用機器學習，甚至是那些在這個領(lǐng)域沒有專業(yè)知識的人，從而使AI變得更加普及。