机器学习在数字环境中的当前和未来的重要性可以按照与移动、大数据或内容营销等主题类似的方式进行分类。从 Google Trends 上可以看到，自 2014 年以来，这些主题在媒体上出现的频率也显著增加。Google 趋势：大数据（黄色）、机器学习（蓝色）和内容营销（红色）的全球搜索量发展情况
正如我在我的文章《语么是机器义网（Web 3.0）是 Web 2.0 的逻辑结果》中所解释的那样 ，基于 Web 2.0 的创新，使信息可以根据上下文进行识别、分类、评估和排序的系统是掌握海量信息和数据的唯一方法。但在这里纯粹的语义是不够的。因此，数字守门人需要越来越可靠的算法来完成这一任务。未来，基于 人工智能和机器学习方法的自学习算法将发挥越来越重要的作用。这是确保结果的相关性以及符合预期的产出/成果的唯一方法。
但是机器学习到底是什么以及它是如何工作的？
机器学习是人工智能领域 的么是机器 一部分。人工智能领域分为以下子领域：
1. 推理
2. 知识表示
3. 自动规划和调度
4. 机器学习
5.自然语言处理
6. 计算机视觉
7. 机器人技术
8. 通用智能或强人工智能
当谈到机器学习时，智能么是机器这个术语 手机数据 并不完全准确，因为它与智能无关，而与机器或计算机可以识别的模式和准确性有关。机器学习涉及基于经验数据或训练数据的算法的自动开发。重点在于优化结果或根据学习过程改进预测。
人工智能的目标是根据收集的数据按照人类的方式做么是机器出决策。这不仅仅需要机器学习方法。机器学习背后的技术就是所谓的神经网络。
什么是神经网络？
神经网络神经网络是根据人脑构建的一组 支持您的员工并立即装备自己 算法，用于识别重复出现的模式，然后对其进行排序或标记。识别出的模式被转换成数学向量。所有来自现实世界的信息，例如图像、声音、文本或时间序列，都被考虑在内。
神经网络有助于根据各个系统在多个层面上的相似性对新信息进行分类，并将其分组为模型组。标签有助于命名这些组。标签示例可以是：垃圾邮件、非垃圾邮件、满意的客户、不满意的客户、已购买的链接、未购买的链接
以下幻灯片来自 Google 的 Jeff Dean 的演讲，其中 萌設計 说明了某些图案（例如狮子图片中的图案）是重复出现的。基于这些重复出现的图案，机器学习可用于自动解释和标记狮子图片。资料来源：Jeff Dean 演示文稿/Google
神经网络由多个么是机器级别或层组成，它们串联连接么是机器起来，有助于提高假设的细化或准确性。如果您想更深入地研究该主题，您可以在这里找到一个很好的介绍。
机器学习的类型
机器学习基本上有三种不同类型：
- 监督学习
- 无监督学习
- 强化学习
以下是德语维基百科的摘录：监督学习算法从给定的输入和输出对中学习一个函数。在学习过程中，“老师”为输入提供正确么是机器的函数值。监督学习的目标是训练网络经过多次不同输入和输出的计算后能够建立关联。监督学习的一个子领域是自动分类。一个例子应用是手写识别。