机器学习、深度学习与人工智能之所以成为热词，自有其原因——这些技术正在从根本上改变商业、社会以及我们的生活。更重要的是，在许多垂直领域中，它们正从颠覆性技术转变为支撑性与“入场门槛”技术，成为企业保持竞争力的基础。
数据科学的三个领域
划分数据科学的一种方式，是将其分为描述性分析、预测性分析与规范性分析。机器学习——也被称为预测性分析——主要用于预测未来，例如客户是否会流失，以及更一般的分类任务：邮件是否为垃圾邮件？诊断影像中的肿瘤是良性还是恶性？数据科学家还可能不仅关心预测结果本身，也关注模型为何做出这样的预测。
让我们更深入地看看这对业务领导者意味着什么的实际应用。面向各垂直市场的企业培训计划，必须确保跨团队与岗位具备扎实的一线技能。
机器学习在各行业的力量
现在，让我们看看机器学习在多个垂直领域中的影响示例。
科技
机器学习为推荐系统、内容发现、搜索引擎、电子邮件垃圾过滤与匹配问题提供动力。
医疗健康
机器学习助力药物研发与影像诊断。
金融
机器学习如今已成为欺诈检测、流程自动化、算法交易与机器人投顾的基础。零售领域中，机器学习通过优化供需规划、改进运输流程并降低物流成本，以及提升战略采购能力，重塑供应链管理。
其他行业
新兴行业借助机器学习正快速增长。法律科技正设想一个利用机器学习基于对判例的自然语言分析来预测案件结果的未来。农业科技正大规模部署无人机获取影像数据，并利用机器学习估算作物产量。
机器学习在各团队的力量
在与行业无关、支持不同业务职能的机器学习算法开发方面，也有诸多进展。
人力资源
机器学习有助于在招聘流程中筛选候选人——但招聘模型必须被谨慎监控，以免在大规模上延续社会偏见。
支持
机器学习用于呼叫中心路由与聊天机器人。
市场营销
机器学习算法用于付费广告、客户流失预测与定向培育活动。
事实上，任何拥有应用程序的公司都可以利用机器学习来确定最有效的推送通知；任何拥有网站的组织都可以利用机器学习，通过呈现最相关的内容与功能来实现个性化客户体验。
在《商业领导者的机器学习权威指南》中了解更多机器学习最佳实践。
机器学习、深度学习与人工智能之所以成为热词，自有其原因——这些技术正在从根本上改变商业、社会以及我们的生活。更重要的是，在许多垂直领域中，它们正从颠覆性技术转变为支撑性与“入场门槛”技术，成为企业保持竞争力的基础。
数据科学的三个领域
划分数据科学的一种方式，是将其分为描述性分析、预测性分析与规范性分析。机器学习——也被称为预测性分析——主要用于预测未来，例如客户是否会流失，以及更一般的分类任务：邮件是否为垃圾邮件？诊断影像中的肿瘤是良性还是恶性？数据科学家还可能不仅关心预测结果本身，也关注模型为何做出这样的预测。
让我们更深入地看看这对业务领导者意味着什么的实际应用。面向各垂直市场的企业培训计划，必须确保跨团队与岗位具备扎实的一线技能。
机器学习在各行业的力量
现在，让我们看看机器学习在多个垂直领域中的影响示例。
科技
机器学习为推荐系统、内容发现、搜索引擎、电子邮件垃圾过滤与匹配问题提供动力。
医疗健康
机器学习助力药物研发与影像诊断。
金融
机器学习如今已成为欺诈检测、流程自动化、算法交易与机器人投顾的基础。零售领域中，机器学习通过优化供需规划、改进运输流程并降低物流成本，以及提升战略采购能力，重塑供应链管理。
其他行业
新兴行业借助机器学习正快速增长。法律科技正设想一个利用机器学习基于对判例的自然语言分析来预测案件结果的未来。农业科技正大规模部署无人机获取影像数据，并利用机器学习估算作物产量。
机器学习在各团队的力量
在与行业无关、支持不同业务职能的机器学习算法开发方面，也有诸多进展。
人力资源
机器学习有助于在招聘流程中筛选候选人——但招聘模型必须被谨慎监控，以免在大规模上延续社会偏见。
支持
机器学习用于呼叫中心路由与聊天机器人。
市场营销
机器学习算法用于付费广告、客户流失预测与定向培育活动。
事实上，任何拥有应用程序的公司都可以利用机器学习来确定最有效的推送通知；任何拥有网站的组织都可以利用机器学习，通过呈现最相关的内容与功能来实现个性化客户体验。
在《商业领导者的机器学习权威指南》中了解更多机器学习最佳实践。