在日常生活中，最实用的机器学习应用有哪些？
小编先来！交通预测！
（地铁预测图）
知道预计到站时间和车厢满载率能让小编更精准地确定什么时候出门更合适。这大大地节省了等车的时间，给小编满满的安全感。
除此之外，Siri、小爱同学、小度虚拟个人助理、个性化新闻/购物推送、智能客服、打车时的预估费用等都是机器学习在日常生活中的经典应用案例。可以说 机器学习已经渗透到生活中的方方面面了。
如果你也想了解机器学习，并且想要进入这个领域，那今天小编带来的这本 《机器学习入门与实战》 你一定不能错过。
01
“达人迷”经典再续
“达人迷”图书是 畅销欧美近30年 的经典书系，得到亿万初学者的认可。它 将难以理解知识转化成易于使用的技能 ，而《机器学习入门与实战》就是经典系列中关于机器学习的书籍。
（for dummies官网）
本书由 约翰·保罗·穆勒 （John Paul Mueller）和 卢卡·马萨罗 （Luca Massaron）撰写，Linkedln（领英）资深数据科学家 黄申博士 翻译，可谓强强联手。
约翰·保罗·穆勒是资深技术编辑，卢卡·马萨罗擅长数据处理，两位作者珠联璧合，从现实世界看机器学习的视角带领大家学习理解机器学习的成果和技术。而译者黄申博士，师从俞勇教授，是微软学者、IBMExtremeBlue天才计划成员，长期专注于大数据和人工智能相关的搜索、推荐、广告以及用户精准化领域。2015年，他更是因对业界做出卓越贡献而获得美国政府颁发的“美国杰出人才”称号。资深的专业背景让他不仅翻译得“快准顺”，还能以通俗易懂的语言，让我们更好地理解机器学习的内容。
（黄申博士）
机器学习是一门多领域交叉学科，是计算机科学和人工智能的重要分支之一。 它可以进行大批量的数据处理，自动化处理多种任务，根据已有数据进行预测和决策等，因此被广泛应用在越来越多的领域。而本书的最终目的就是帮助大家了解机器学习能够帮你做什么、不能做什么，以及将来可能为你做什么。你在书中可以看到具体的结论，学会正确使用工具，最终拥有建立自己的知识库所需的基础知识。
02
嘿，你应该这样学习！
小编在通读本书的过程中，发现本书还是有一定的 阅读门槛 。
首先， 书中涉及很多复杂数学知识的例子， 所以如果你是Python程序员、R程序员、数据分析人员、机器学习领域的从业人员，将会更加得心应手。其次， 书中没有任何关于使用平台的指导， 因此，你要熟悉你所使用的平台。但如果你只是对算法感兴趣，想要阅读也没有关系，因为本书的侧重点还是在使用R、Python和机器学习来执行任务，并通过算法解释来帮助你理解算法的逻辑。同时，第4章和第6章分别介绍了RStudio和Anaconda的安装说明，安装后你可以先在网上学习两种平台的使用方法，这会提升你后续的学习体验。
（在Windows系统上安装R）
不同阅读基础，不同阅读建议
根据读者的不同基础，作者还贴心地列举了本书的 阅读建议 ，大家可以参考。
▮ 对机器学习完全陌生： 从第1章开始阅读，不求快但求稳，尽可能多地让自己理解和吸收这些知识。同时鉴于本书的示例都是用R和Python两种语言编写的，读者可以提前在网上进行学习，并重点阅读书中的相关内容。
▮ 机器学习的初学者： 了解相关知识并想尽快上手机器学习，可以从第4章开始阅读，如果你已经安装了RStudio和Anaconda，可以跳过第4章和第6章。但为了能使用书中的库，请注意核对安装版本。
▮ 对R和Python有经验的读者： 在确认自己安装了适当的语言版本后，可以直接跳到第8章进行阅读，阅读中有任何疑问可以回到之前的章节查漏补缺。
温馨提示：小编还是推荐大家从头开始阅读，这样你既不会觉得后边的内容难以理解，也不会错过重要的信息。
内容体系翔实，梳理“妙招绝技”
本书一共分为六大部分 23章 ，从为什么学习到工具应用、算法解析，再到案例展示，内容翔实，由浅入深，示例简单直观，让你快速进入机器学习的状态。
（第一部分 关于机器学习的介绍 ）
读完第一部分，我们将清楚地知道AI能为我们做些什么、学会思考大数据的含义，并了解机器学习未来的发展。第1章是基础中的基础，从多个维度阐述了 机器学习的意义和本书所考虑的机器学习方法。 这也是为什么对机器学习完全陌生的读者要从第1章开始阅读，它能让你知道什么是机器学习，以及为什么学习机器学习。如果你对机器学习有一些了解的话，这一部分会让你有一些新的方向和更深入的思考。
（第二部分 准备你的学习工具 ）
工欲善其事，必先利其器。在第二部分，你将学会在Windows、Linux和Mac OS X三种系统中创建R和Python的安装环境，了解更多 机器学习工具 。需要注意的是，本书并不是Python的入门书籍，所以作者只是介绍了一些简单的操作步骤，但这并不足以支撑你对本书的学习。如果你刚刚接触Python，则需要从其他书籍或者渠道先进行一些了解。
（第三部分 从数学的基础知识开始）
在机器学习中 数学 尤为重要，因为绝大多数算法模型和实际应用都依赖于以概率统计、线性代数和微积分为代表的数学理论和思想方法。所以如果想要更深入地学习机器学习，就要知道如何将数学转化成可工作的代码。学完第三部分，你将深入了解线性代数、概率、线性规划和多变量微积分，虽然会有些枯燥，但这是重要的基础，加油，夯实它！
（第四部分 从聪明且大胆的数据中学习）
数据是机器学习的基础。 阅读完第四部分后，你不仅能了解复杂而强大的算法，还能通过算法解读和处理数据，并且作者通过实际案例帮你掌握机器学习的技术，这让内容读起来没有那么枯燥。现在，你可以尝试用不同的机器学习解决方案建模数据啦。
（第五部分 将学习应用到实际部分）
最好的学习方法就是 应用 ，只有应用才能掌握。因此，在第五部分，你将跟着作者利用学习到的知识进行图像分类、为观点和情感打分以及推荐一个商品或者一部电影。别担心，这部分涉及的所有内容都是前边讲过的，如果觉得吃力，可以停下来回顾前面的知识。是时候展现你真正的技术了！
（第六部分 十条区 ）
第六部分更像是本书的一个 补充说明 ，能让你事半功倍。它提供了大量的特定机器学习软件包。读完这一部分，你将知道如何化繁为简，完善机器学习的工具箱。
跟着作者开启机器学习的冒险之旅
学习和应用 是两个不同的过程。学习虽然枯燥无味，但这是基础；应用则是根据实际需要，灵活调用我们学习的技能。
作者为了能让读者对基础知识和基本技能有更深的了解，再将学习应用到实际部分，手把手带着我们 在特定领域执行任务 。
例如第19章，我们将使用Python以及对应的软件包来处理图像。这里使用的软件包是专门用于图像处理的scikit-image。
你在学习图像分类的时候，可以用第13章学到的知识挑选图像数据。用第14章和第16章学到的知识来处理图像，提取视觉特征。scikit-image中也有轮廓识别和其他特征提取算法，这会让你的工作更加轻松简单。
（示例应用程序想要找到相似的照片）
为了能让读者有更直观的感受，作者详细演示了 如何获取图像信息并使用信息执行分类任务， 如果有兴趣，可以跟着作者实操一遍，加强记忆。
当然，本书所有的 示例代码 都可以在 达人迷官网 中进行*载下**，你只要仔细地阅读本书掌握技巧就可以，同时作者会在 John Number Books官网 中回答读者的问题，提供与本书相关的技术展示，这售后可以说是棒棒的！
03
结语
从图像识别、语音识别到股市预测、医学诊断，机器学习被应用到越来越多的领域。
机器学习可以帮助我们处理大量的数据，提高效率，降低人工干预的错误率。
如果你也对机器学习感兴趣，想进一步了解的话，就戳下方链接购买吧。
推荐阅读
《机器学习入门与实战》
机器学习是计算机科学和人工智能的重要分支之一，它被广泛应用在多种领域，如机器人、无人驾驶汽车等。
本书是“达人迷”经典系列中关于机器学习的一本。本书内容分为6个部分，共计23章，由浅入深地讲解机器学习的基本知识、本书使用的语言——Python和R、必备的数学知识、处理数据的常用工具、机器学习的应用以及常见的学习包和模型6个方面，以帮助读者了解并掌握机器学习的相关知识，并能将其应用于自己的工作中。
本书适合Python程序员、R程序员、数据分析人员、机器学习领域的从业人员以及对算法感兴趣的读者阅读。