近年来越来越受欢迎的数字化世界议程上的主题之一是机器学习，即机器学习。什么是机器学习，它是银行业和人工智能技术方面的一个重要概念，为银行业提供了许多优势？

什么是机器学习？

机器学习可以定义为计算机程序通过训练数据和算法学习模式的一种应用，是人工智能的一个分支。该应用程序模仿人类运动，旨在通过经验学习，无需编程。借助训练数据和算法，它可以检测数据并通过预测自动完成任务。

人工智能机器学习由 IBM 研究员 Arthur Samuel 于 1959 年首次使用，它构成了今天使用的 Google Assistant 和 Siri 等应用程序的基础。机器学习被认为是人工智能的一个子分支，它使计算机能够像人类一样思考并自行执行任务。

为了让计算机像人一样思考，使用了由基于人脑建模的算法组成的神经网络。

机器学习的用途是什么？

在技术不断发展、数字化进程迅速蔓延的当今世界，机器学习应用几乎可以应用于各个领域。您可以在许多领域遇到机器学习，尤其是在线购物、社交媒体应用、银行和金融部门、健康和教育。为了更好地了解机器学习的使用领域，我们为大家列举了几个例子：

ASR（Automatic Speech Recognition）：利用 NLP 技术（链接可以链接到 NLP 内容）将人的声音转换为文本而设计，ASR 可以通过移动设备进行语音通话或以对话的形式到达对方消息。
客户服务：为客户沟通而设计的在线对话机器人是机器学习应用最广泛的领域之一。在线对话机器人可以回答客户的常见问题，并为用户提供个性化的建议。电子商务网站上的消息机器人、虚拟和语音助手是机器学习使用的好例子。

什么是深度学习？

深度学习被认为是机器学习的一个子分支，它是一种使用算法和庞大的数据集创建模式并为这些模式提供适当答案的技术，无需人工干预。数据科学家经常使用深度学习软件来分析大而复杂的数据，执行复杂的任务，并比人类更快地响应图像、文本和音频。

深度学习技术教会设备从音频、文本或图像输入中进行过滤、分类和预测。由于深度学习，智能家居设备可以理解和应用语音命令，自动驾驶汽车可以区分行人和其他物体。深度学习技术使用可编程神经网络，因此机器能够在没有人为因素的情况下做出正确的决定。深度学习，其使用领域与日俱增；他在语音和人脸识别系统、车辆自动驾驶仪、无人驾驶车辆、警报系统、卫生部门、图像改善和网络威胁分析等许多领域都有发言权。

机器学习和深度学习有什么区别？

尽管机器学习和深度学习的概念经常互换使用，但它们具有不同的属性。主要区别在于处理的数据量。少量数据足以在机器学习中做出预测。在深度学习中，需要大量数据来发展预测能力。因此，在机器学习中不需要高计算能力，而在深度学习技术中使用了许多矩阵乘法运算。

对于机器学习技能的获取，特征需要由用户定义和创建。在深度学习技术中，特征是从数据中学习的，新特征是由系统本身创建的。机器学习中的输出；虽然它由分类或分数等数值组成，但深度学习技术的输出；文本、音频或乐谱的形式可能有所不同。

什么是机器学习？机器学习的用途是什么？