机器学习是计算历史上最伟大的进步之一，现在它被认为在大数据和分析领域发挥着重要作用。从企业的角度来看，大数据分析是一个很大的挑战。例如，理解大量不同的数据格式、分析数据准备和过滤冗余数据等活动可能会消耗大量资源。招募数据科学家和专家是一个昂贵的提议，不是每个公司的手段。专家认为，机器学习可以自动执行许多与分析相关的任务——包括常规和复杂的任务。自动机器学习可以为更复杂和创新的工作释放大量资源。似乎机器学习一直在朝着这个方向发展。

信息技术背景下的自动化。

在IT环境中，自动化是不同系统和软件的纽带，因此它们可以在没有任何人为干预的情况下完成特定的工作。在信息技术行业，自动化系统可以执行简单和复杂的任务。简单作业的一个示例可能是将表单与PDF集成，并将文档发送给正确的收件人，而配置异地备份可能是复杂作业的一个示例。

为了完成其工作，有必要对自动化系统进行编程或给出明确的指令。每当需要自动化系统修改其操作范围时，程序或指令集都需要由人来更新。虽然自动化系统在工作中是有效的，但是由于各种原因可能会出现错误。当出现错误时，有必要识别并纠正根本原因。显然，要完成自己的工作，自动化系统完全取决于人类。工作性质越复杂，出错和出现问题的概率就越高。

通常，例行和可重复的工作被分配给自动化系统。IT行业自动化的一个常见例子是自动化基于Web的用户界面的测试。测试用例被输入到自动化脚本中，并且相应地测试用户界面。(关于机器学习实际应用的更多信息，请参考《下一代欺诈检测》中的机器学习和Hadoop。)

支持自动化的理由是，它执行常规和可重复的任务，并让员工能够执行更复杂和创造性的任务。然而，也有人认为自动化已经取代了大量以前由人类执行的任务或角色。现在，随着机器学习进入各个行业，自动化完全可以增加一个新的维度。

自动化是机器学习的未来吗？

机器学习的本质是系统在没有人为干预的情况下不断学习数据和进化的能力。机器学习可以像人脑一样运作。例如，推荐引擎可以评估用户在电子商务网站上的独特偏好和品味，并为最适合用户的产品和服务提供建议。有了这种能力，机器学习被认为是自动执行与大数据和分析相关的复杂任务的理想选择。它克服了传统自动化系统的主要局限性，如果没有频繁的人工干预，它们无法运行。有许多案例研究表明，机器学习可以完成复杂的数据分析任务，这将在本文后面讨论。

正如已经指出的，大数据分析对公司来说是一个具有挑战性的命题，可以部分委托给机器学习系统。从业务角度来看，这可以带来很多好处，比如释放数据科学资源获得更多的创意和关键任务，工作量更高，完成任务的时间更少，成本效益更高。

2015年，麻省理工学院的研究人员开始研究一种数据科学工具，该工具可以使用一种称为深度特征合成算法的技术，从大量原始数据中创建预测数据模型。科学家声称，该算法可以结合机器学习的最佳特征。根据科学家的说法，他们已经在三个不同的数据集上测试了该算法，并将测试范围扩展到了更多的数据集。研究人员詹姆斯马克斯坎特(James Max Kanter)和卡尔扬维拉马恰内尼(Kalyan Veeramachaneni)在一次国际数据科学与分析会议上发表的论文中说：“有了自动调整过程，我们在没有人类参与的情况下优化了整个方法，这样就可以对其进行总结，并描述他们是如何做到的。不同的数据集。”

让我们来看看任务的复杂性：该算法具有一种称为自动调整功能的能力，利用该功能，它可以从原始数据(如年龄或性别)中获得或提取见解或值，然后创建预测数据模型。该算法使用复杂的数学函数和称为高斯Copula的概率论。因此，很容易理解算法能够处理的复杂性。这项技术也在比赛中获奖。

机器学习可能会取代工作。

世界各地都在讨论机器学习可能会取代许多工作，因为它正在以人脑的效率执行任务。事实上，人们担心机器学习会取代数据科学家——这种担心似乎是有依据的。

对于没有数据分析技能，但日常生活中仍需要进行不同程度分析的普通用户来说，拥有一台能够分析大量数据并提供分析的计算机是不可行的。然而，自然语言处理技术可以通过教会计算机接受和处理人类自然语言来克服这一局限性。这样，普通用户不需要复杂的分析功能或技能。

IBM认为，沃森自然语言分析平台可以最大限度地减少或消除对数据科学家的需求。根据沃森分析和商业智能副总裁Marc Atschuller的说法，“有了像沃森这样的认知系统，你只需要提问——或者如果你没有问题，你只需要上传你的数据，沃森就可以查看和推断你可能想知道的东西。”

自动化是机器学习的下一个逻辑步骤，我们已经在日常生活中体验到了这些影响——在电商网站法上。

cebook好友建议，LinkedIn网络推荐和Airbnb搜索排名。考虑到给出的例子，毫无疑问可以投射到自动化机器学习系统产生的输出质量。尽管它的所有品质和好处，机器学习导致巨大失业的想法可能看起来有点过度反应。几十年来，机器已经在我们生活的许多方面取代了人类，然而，人类已经发展并适应在行业中保持相关性。根据不同的观点，机器学习及其所有破坏性只是人们适应的另一种浪潮。

---

免责声明： 本文由用户上传，如有侵权请联系删除！

---

标签：