常见机器学习用例TOP 7，在你身边无处不在！

全文共8795字，预计学习时长17分钟

想象一下——你明天要去面试一个向往已久的机器学习岗位。一切都必须按计划进行，否则就会功亏一篑。

所以，你告诉智能小助手：

• 定一个明天早上7点的闹钟

• 在Uber上预约一个直达面试地点的快车，早上8:30来接我

• 计算一下车费

• 在谷歌地图上看看路上要花多长时间

• 最后列出面试前还需要再多看几眼的资料

这样的好处是什么？你不需要忙前忙后或是亲自花时间打字。只需要给虚拟智能小助手发送指令，机器学习算法就会让系统开始为你工作！

这不是某个科幻场景（也不是机器终于有了“人心”）——这是正在发生的事实。随着计算能力的进步，机器学习应用不断发展，而我们也正在经历一场真正的全球变革。

那么，今天我们就来看看，在日常生活中有哪些最常见的机器学习用例（有时我们甚至没有意识到这些例子涉及机器学习）。

 

本文涵盖了以下常见的机器学习用例：

1. 机器学习在智能手机中的用例

你知道吗，智能手机中的大多数功能都是由机器学习支持的。

没错！从帮你定闹钟、找餐厅的语音助手到通过面部识别解锁手机等一系列简单的功能-机器学习已经真正融入到了我们最喜欢的设备当中。

语音助手

还记得前文提到的虚拟智能小助手吗？它的原理就是语音识别概念——这是机器学习领域中的一个新兴话题。

现在语音助手已经很普遍了。你肯定用过（或者至少听过）以下常见的语音助手：

• 苹果的Siri

• 谷歌助手

• 亚马逊的Alexa

• 谷歌Duplex

• 微软的Cortana

• 三星的Bixby

这些语音助手有什么共同点？它们都是由机器学习算法支持的！这些语音助手使用自然语言处理（NLP）识别语音（即我们所说的话），然后使用机器学习将其转换为数字，并据此做出响应。

随着机器学习技术的进步，这一领域已经日渐成熟，这些语音助手也会越来越智能。你可以观看下文的精彩教程，学习建立自己的语音识别系统：

• 学习如何构建自己的语音-文本模型（运用Python)

传送门：https://www.analyticsvidhya.com/blog/2019/07/learn-build-first-speech-to-text-model-python/

智能手机相机

等等，机器学习跟智能手机相机有什么关系？事实上关系可大了。

我们每天点开看到的精美图片和这些图片的深度，都有机器学习的足迹。机器学习分析给定图片中的每个像素，以检测对象、模糊背景和采取一系列美化技巧。

这些机器学习算法可以改进和增强智能手机的摄像头：

• 对象检测可以定位和识别图像中的对象（或人）

• 填补图片中缺失的部分

• 使用特定类型的神经网络利用生成对抗网络（GANs）来增强图像，甚至通过想象图像的样子来扩展其边界等。

有兴趣了解更多相关信息来学习如何使用机器学习构建自己的智能手机摄像头软件？无需等待！以下教程可以完美地带你入门：

• 谷歌像素相机背后的深度学习技术介绍！

传送门：https://www.analyticsvidhya.com/blog/2019/02/tutorial-semantic-segmentation-google-deeplab/

苹果和谷歌应用商店的推荐

苹果（Apple App Store）和谷歌（Goole Play Store）应用商店都有推荐这个功能。“为您推荐”这个功能的依据就是已经下载过的应用程序（或是以前使用过的）。

例如，如果你下载了一些与体育和美食相关的应用程序，那么“为您推荐”通常都会推送类似的应用程序。谷歌应用商店可以根据你的喜好进行个性化，同时推送你更有可能下载的应用程序。

来源：LiveMint

那么苹果和谷歌商店是如何做到的呢？四个大字——推荐引擎。这是目前机器学习中非常热门的概念。构建推荐引擎的方法多种多样，你可以根据以下教程选择适合自己的方法：

• 从零开始构建推荐引擎综合指南（在Python中）

传送门：https://www.analyticsvidhya.com/blog/2018/06/comprehensive-guide-recommendation-engine-python/

面部解锁——智能手机

大多数人对这个功能都相当熟悉了。我们拿起手机，通过识别面部就可以自动解锁。这个功能智能、高效、省时，非常高级。

很多人不知道的是，智能手机其实是使用一种叫做面部识别的技术来实现这一功能的。而这种技术的核心理论—你知道的—就是机器学习。

面部识别的应用非常广泛，世界各地的很多企业都已经从中获益：