机器学习的类型介绍

机器学习可以分为监督学习，半监督学习，非监督学习，强化学习，深度学习等。监督学习是先用带有标签的数据集合学习得到一个模型，然后再使用这个模型对新的标本进行预测。格物斯坦认为：带标签的数据进行特征提取，再生成特征向量，通过机器学习的算法，得到模型。当小朋友遇到一只小狗，老师告诉他这是一只小狗，小朋友下次见到小狗就自然认识了。这个过程就是监督学习。

在AI这块领域，未来最缺的一是工程能力强的算法人才，过去两年因为刚兴起，所以很多人可能只会调参就能找到工作，但是这两年资本寒冬，市场不好，只会调参的「调参侠」已经远远不能满足工业界的需求了，对于模型的部署、压缩、上线等等都需要有非常强的工程能力才行；二是具有落地思维的算法/产品。能够把空想的、很难落地的项目做到落地，才是真正有价值的有意义的事，没有任何落地，纸上谈兵，撑不了几年的。

人工智能的发展，相对比较偏应用这方面。大数据是基础，人工智能是表像。人工智能的应用与物联网概念联系的非常紧密，比如说现在市场上有很多智能小物件，比如智能手表、智能音响、智能电视、智能吸尘器、智能冰箱等。就拿智能手表来说，你可以做很多手机上能做的事情。智能小物件，就是在这些小物件上，添加了很多计算功能，然后以此为基础，这些小的东西上就可以做很多事情。再说说智能吸尘器，现在算是比较好的人工智能产品，市场上卖的非常火热了，有时候你可能觉得价格贵一点，但是如果你的屋里相对来说不是很乱的话，它可以帮你清洗得还是很不错的，尤其是在清理灰尘的时候。

当然，它会存在一个噪音的问题，如果你让它自己启动，在你人不在家的时候，给你打扫卫生的话，这就可以避免噪音的问题。人工智能领域，家庭是个大应用场景。像类似这样人工智能产品的开发，需要大量的专业人才。如果你是人工智能专业的话，就有很多的就业机会。人工智能这一块的发展，可以说未来10年、20年，甚至更长时间，都会是一个热门，这里面涉及到的专业知识非常多，工作机会也很多。

综上所述，在大型科技公司外，专注于提升技术能力的重要性被高估了，与之对应，解决问题的态度以及基本的开发技能则被低估了。除了技术研发以外，还有大量枯燥的或者需要人力的工作亟待自动化。这一转变本应早已完成，并且也不需要突破才能实现。
     责任编辑:tzh