數字化世界議程上的主題之一，近年來越來越受歡迎，是機器學習，即機器學習。什麼是機器學習，它是銀行業和人工智能技術方面的一個重要概念，為銀行業提供了許多優勢？

什麼是機器學習？

機器學習可以定義為計算機程序通過訓練數據和算法學習模式的一種應用，是人工智能的一個子分支。該應用程序模仿人類運動，旨在通過經驗學習，無需編程。借助訓練數據和算法，它可以檢測數據並通過預測自動完成任務。

人工智能機器學習由 IBM 研究員 Arthur Samuel 於 1959 年首次使用，它構成了今天使用的 Google Assistant 和 Siri 等應用程序的基礎。機器學習被認為是人工智能的一個子分支，它使計算機能夠像人類一樣思考並自行執行任務。

為了讓計算機像人一樣思考，使用了由基於人腦建模的算法組成的神經網絡。

機器學習的用途是什麼？

在技術不斷發展、數字化進程迅速蔓延的當今世界，機器學習應用幾乎可以應用於各個領域。您可以在許多領域遇到機器學習，尤其是在線購物、社交媒體應用、銀行和金融部門、健康和教育。為了更好地了解機器學習的使用領域，我們為大家列舉了幾個例子：

ASR（Automatic Speech Recognition）：利用 NLP 技術（鏈接可以鏈接到 NLP 內容）將人類語音轉換為文本而設計，ASR 可以通過移動設備進行語音通話或對話以以下形式到達對方消息。
客戶服務：為客戶溝通而設計的在線對話機器人是機器學習應用最廣泛的領域之一。在線對話機器人可以回答客戶的常見問題，並為用戶提供個性化的建議。電子商務網站上的消息機器人、虛擬和語音助手是機器學習使用的好例子。

什麼是深度學習？

深度學習被認為是機器學習的一個子分支，它是一種使用算法和龐大的數據集創建模式並為這些模式提供適當答案的技術，無需人工干預。數據科學家經常使用深度學習軟件來分析大而復雜的數據，執行複雜的任務，並比人類更快地響應圖像、文本和音頻。

深度學習技術教會設備從音頻、文本或圖像輸入中進行過濾、分類和預測。由於深度學習，智能家居設備可以理解和應用語音命令，自動駕駛汽車可以區分行人和其他物體。深度學習技術使用可編程神經網絡，因此機器能夠在沒有人為因素的情況下做出正確的決定。深度學習，其使用領域與日俱增；他在語音和人臉識別系統、車輛自動駕駛儀、無人駕駛車輛、警報系統、衛生部門、圖像改進和網絡威脅分析等許多領域都有發言權。

機器學習和深度學習有什麼區別？

儘管機器學習和深度學習的概念經常互換使用，但它們具有不同的屬性。主要區別在於處理的數據量。少量數據足以在機器學習中做出預測。在深度學習中，需要大量數據來發展預測能力。因此，在機器學習中不需要高計算能力，而在深度學習技術中使用了許多矩陣乘法運算。

對於機器學習技能的獲取，特徵需要由用戶定義和創建。在深度學習技術中，特徵是從數據中學習的，新特徵是由系統本身創建的。機器學習中的輸出；雖然它由分類或分數等數值組成，但深度學習技術的輸出；文本、音頻或樂譜的形式可能有所不同。

什麼是機器學習？機器學習的用途是什麼？