原文：
www.kdnuggets.com/2016/05/explain-machine-learning-software-engineer.html
评论
软件工程是开发程序或工具以自动化任务。我们不是“手动做事”，而是编写程序；程序基本上是可以由计算机执行的机器可读指令集。让我们考虑一个经典示例：电子邮件垃圾邮件过滤。假设我们可以访问电子邮件客户端的源代码并知道如何处理它，我们可以制定一套直观的规则，可能有助于解决垃圾邮件问题。
例如：如果不是“发件人在联系人中”：如果“主题包含 BUY!: 电子邮件垃圾邮件文件夹：”否则如果...
说制定这些规则是一项相当繁琐的任务是很直观的。不用说，我们必须在现实数据上测试我们的垃圾邮件过滤器，不断评估和改进它，修改和更新规则，等等。同样，我们的目标是自动化：我们希望编写一组指令，自动过滤掉垃圾邮件，以便我们不必“手动”从电子邮件收件箱中删除它们。
现在，机器学习就是关于自动化自动化！我们不再亲自制定自动化任务（如电子邮件垃圾邮件过滤）的规则，而是将数据输入机器学习算法，由算法自己找出这些规则。在这种情况下，“数据”应代表我们想要解决的问题的样本——例如，一组垃圾邮件和非垃圾邮件，以便机器学习算法可以“从经验中学习”。
在“传统”编程中，我们编写一组规则，将其与数据一起输入计算机，并希望它产生期望的结果。
传统编程：
- 一组规则 + 数据 -> 计算机 -> 结果
在机器学习中，我们获取数据（例如，电子邮件），提供有关期望结果的信息（这些电子邮件的垃圾邮件和非垃圾邮件标签），然后将其输入学习算法，该算法由计算机执行。计算机随后学习出一组我们可以用来自动化（解决）问题任务的规则。
机器学习：
- 结果 + 数据 -> 机器学习算法 + 计算机 -> 一组规则
换句话说，机器学习是寻找优化指令以自动化任务。机器学习算法是指令，让计算机从数据或经验中自动学习其他指令。因此，机器学习就是自动化的自动化。
简介：Sebastian Raschka 是一位“数据科学家”和机器学习爱好者，对 Python 和开源充满热情。著有《Python 机器学习》。密歇根州立大学。
原始。经许可转载。
相关：
-
深度学习何时优于 SVM 或随机森林？
-
神经网络故障排除：当我的误差增加时出什么问题了？
-
为什么要从头实现机器学习算法？
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你所在组织的 IT 工作