下载掌阅APP，畅读海量书库
立即打开
随着DeepMind的AlphaGo在2016年战胜了李世石，“人工智能”这个词开始进入大众的视野。从那时起，无论是大型互联网公司还是初创企业都开始大规模招聘机器学习的相关从业者，无论是社招的求职者还是校招的应聘学生都出现了大规模的增长。
计算机视觉（Computer Vision）无论是在学校还是在公司，都有着大量的从业者，并且ImageNet项目可以提供上千万的标注图片供大家使用。既然ImageNet是开源的数据集，那么无论是学校的教授还是学生，无论是大型互联网公司还是初创企业，都可以轻易地获取到这些数据集，不仅可以进行CV算法的研究工作，还可以进行相关的工程实践。
由于计算机视觉历史悠久，在计算机系、工程系、数学系都有着大量的老师和学生从事该方向的研究工作，因此学校或者研究所能够对工业界输出的计算机视觉人才数量也是可观的。
与计算机视觉相比，自然语言处理（Natural Language Processing，NLP）也有广阔的应用前景，如自动驾驶的车机系统、自动翻译系统、人工助手系统等，这些领域都有广阔的应用前景。
机器学习为客户推荐引擎提供了动力，增强了客户体验并能提供个性化服务。在这种场景里，算法处理单个客户的数据点，比如客户过去的购买记录、公司当前的库存等，来确定向每个客户推荐适当的产品和服务。
大型电子商务公司使用推荐引擎来增强个性化并提升购物体验。这种机器学习应用程序的另一个常见应用是流媒体娱乐服务，它使用客户的观看历史、具有类似兴趣客户的观看历史、有关个人节目的信息和其他数据点，向客户提供个性化的推荐。在线视频平台使用推荐引擎技术帮助客户快速找到适合自己的视频。
企业使用人工智能和机器学习可以预测客户关系何时开始恶化，并找到解决办法。通过这种方式，新型机器学习能帮助公司处理最古老的业务问题：客户流失。
在这里，算法从大量的历史、人数统计和销售数据中找出规律，确定和理解为什么一家公司会失去客户。然后，公司就可以利用机器学习能力来分析现有客户的行为，以提醒业务人员哪些客户面临着将业务转移到别处的风险，从而找出这些客户离开的原因，然后决定公司应该采取什么措施留住客户。
流失率对于任何企业来说都是一个关键的绩效指标，对于订阅型和服务型企业来说尤为重要，例如媒体公司、音乐和电影流媒体公司、软件即服务公司以及电信公司都是该技术的主要适用行业。
机器学习理解模式的能力，以及立即发现模式之外异常情况的能力使它成为检测欺诈活动的宝贵工具。事实上，金融机构多年来一直在这个领域使用机器学习。
它的工作原理是这样的：数据科学家利用机器学习来了解单个客户的典型行为，比如客户在何时何地使用信用卡。
机器学习可以利用这些信息以及其他数据集，在短短几毫秒内准确判断哪些交易属于正常范围，因此是合法的，而哪些交易超出了预期的规范标准，因此可能是欺诈的。使用机器学习检测欺诈的行业包括金融服务、旅行、游戏和零售等。
自动驾驶技术主要分为计算机视觉、行为预测以及路径规划。很多人误以为，自动驾驶面临最难攻克的技术在于计算机视觉，实则不然。过去10年里，随着深度学习的广泛应用，计算机视觉技术发展迅速。只要假以时日训练模型，提供充足的数据，计算机视觉就可以探测大部分的情景。如今，自动驾驶的难题主要集中于行为预测以及路径规划。
自动驾驶车自己“主动学习”如何驾驶，将有限的人类提供的数据最大化。如果回忆小时候是如何学会骑自行车的，会发现其实大人们并不会告诉小孩到底该怎么骑，主要还是靠自己探索，最终习惯了也就熟练了。
近年来，一些自动驾驶公司开始探索这种方式，通过利用有限的人类提供的数据，“主动学习”驾驶。这就需要将大量的机器学习运用于行为预测以及路径规划。例如特斯拉公司的L2自动驾驶系统、丰田公司的THS L2自动驾驶系统。
目前机器学习已经应用于人们日常生活的各个方面，如智能手机、购物网站、旅游网站、导航地图、支付系统等，虽然有些人不知道这些领域应用了机器学习算法，但是机器学习确实已经深入老百姓的日常生活。学习机器学习技术必将有一个广阔的就业前景。