傳統上認為，讓計算機完成某一件事情的唯一方法，就是詳細的記錄某個算法（就是一系列的指令，告訴計算機能做什么），并解釋其如何運行。 但機器學習算法不一樣：通過從數據中推斷，計算機自己會弄明白該怎么做。掌握的數據越多，它們的工作就越順利。 現在我們不給計算機編程。它們自己給自己編程。 機器學習是以數據為依據，數據越多，能學的也越多、沒有數據，那就什么也學不到。 有了大數據？那就有太多的東西可以學習。 只要有足夠的數據，一段只有幾百行代碼的程序可以輕易生成幾百萬代碼的程序。而且可以不同問題持續的去編寫不同的程序。 機器學習有時會和人工智能混淆。嚴格來說，機器學習是人工智能的子集，但機器學習發展如此壯大且成功，現已超越以前它引以為傲的母領域。人工智能的目標是教會計算機做現在人類能做的事，并且做的更好。而機器學習可以說就是其中最重要的事：不持續學習。計算機就永遠無法跟上人類的步伐，有了學習，一切都與時俱進。 [知乎-機器學習該怎么入門](https://www.zhihu.com/question/20691338) [機器學習入門資源不完全匯總](http://ml.memect.com/article/machine-learning-guide.html#%E5%9F%BA%E6%9C%AC%E6%A6%82%E5%BF%B5)