6

如果这太模糊，请提前道歉。

到目前为止我的清单：

  • 统计套利
  • 精算学
  • 制造过程控制
  • 图像处理（安全、制造、医学成像）
  • 计算生物学/药物设计
  • 军刀计量学
  • 收益管理
  • 运筹学/物流（我将包括商业智能）
  • 营销（偏好预测、调查设计/分析、在线广告服务）
  • 计算语言学（谷歌，信息检索，...）
  • 教育测试
  • 流行病学
  • 犯罪学（欺诈检测、反恐……）
  • 消费者信用评分
  • 垃圾邮件检测
  • 错误发现、病毒检测、计算机安全

有没有解决这个问题的文章、书籍或期刊？我看过的唯一一本书是 Supercrunchers，它只关注消费者的偏好。

4

4 回答 4

5

有很多领域利用机器学习：

  • 预测文本输入（支持向量机）
  • 计算机视觉
  • 游戏人工智能
  • 机器人感知（分类和检测）
  • 基因组学
  • 手写识别（例如，美国邮政服务使用神经网络进行邮件分拣）
  • 信用卡欺诈检测
  • 定位（卡尔曼滤波器、粒子滤波器）
  • 偏好预测（Netflix、亚马逊）

编辑：

如果你想把机器学习的所有应用都列出来，我想你会发现这个问题很棘手。机器学习作为一个领域主要集中在使用数据构建模型的任务上，该模型可以将输入映射到所需的一组输出。随着人们想象机器学习的新应用，利用它的领域不断发展。如果有帮助，通常机器学习在无法很好地描述输入和输出之间的映射时最强大，映射空间的维度太高而无法以合理的方式进行处理，和/或需要随着时间的推移而自适应。

如果您只是在寻找阅读机器学习应用程序的地方，您可以查看以下内容：

另一个不错的选择是访问具有强大 AI、CS、数学或机器人程序的大学网站，看看他们是否有感兴趣的课程材料。例如，我知道 CMU、MIT 和斯坦福大学通常都有很多在线课程笔记，其中经常提到各种技术的应用程序。

于 2009-02-10T02:48:50.067 回答
3

一些对冲基金（如Renaissance Technologies）使用各种机器学习技术来创建黑盒交易算法。做得好的基本上印钱。

一般来说，一些更复杂的套利/风险管理技术使用不同程度的机器学习，并花费相当多的钱来编写这种软件。

于 2009-02-12T14:56:40.510 回答
1

Some others:

  • Medical Diagnosis
  • Data Visualization
  • Adaptive Software
  • Video/Audio Fingerprinting
  • Military Intelligence
  • Compression
  • Control
  • Design
  • Optimization

The last two may fall under "Operations Research".

于 2009-02-12T14:51:55.293 回答
0

自适应和个性化的用户界面。示例可能包括：搜索建议、游戏玩法、应用程序布局等。

于 2012-11-22T22:47:10.820 回答