大多数人听到“机器学习”的时候，他们想象一个机器人：它是一个可靠的管家或致命的终结者，这取决于你问的是谁。但是机器学习不仅仅是未来的幻想，它已经存在了。事实上，它在一些特殊的应用中已经存在了几十年，比如光学字符识别(OCR)。但是第一个真正成为主流的ML应用，改善了数以亿计的人们的生活，在20世纪90年代接管了世界:它就是垃圾邮件过滤器。它并不仅是一个可以自我感知的天网，而且从技术上讲，它符合机器学习的要求(它实际上已经学得很好了，以至于你很少需要将电子邮件标记为垃圾邮件)。随后，数以百计的ML应用程序现在悄无声息地为数百种你经常使用的产品和功能提供服务，从最佳建议（比如地图服务）到语音搜索。

机器学习从哪里开始，到哪里结束?机器学习的真正意义是什么?如果我下载了一份维基百科，我的电脑真的“学”了一些东西吗?突然变得更聪明吗?在这一章中，我们将首先阐明机器学习是什么，以及为什么你可能想要使用它。

然后，在我们开始探索机器学习大陆之前，我们将看看地图并了解这片大陆上的主要区域和最显著的地标:监督与非监督学习，在线与批量学习，基于实例和基于模型的学习。然后我们将研究一个典型的ML项目的工作流程，讨论您可能面临的主要挑战，并讨论如何评估和调整机器学习系统。

这一章引入了许多基本概念(和术语)，每个数据科学家都应该牢记在心。这将是一个高级的概述(唯一没有太多代码的章节)，一切都很简单，但是您应该确保在继续阅读其余部分之前，一切都是清晰的。所以喝杯咖啡，我们开始吧!