大概從2014年開始，在我們周圍越來越多地聽到和看到“機器學(xué)習(xí)”這個詞。微軟公司推出的通過圖形用戶界面（Graphical L5ser Interface，GUI）工具就可以輕松實現(xiàn)機器學(xué)習(xí)的Azure ML于2014年6月首次對外發(fā)布，并于2015年2月開始提供通用版本（General Availability，GA），之后我感到“機器學(xué)習(xí)”這一概念快速傳播開來。

　　2015年5月，在微軟日本股份有限公司舉辦的面向日本國內(nèi)技術(shù)人員的最大盛會“de：code2015”上，我們幾位介紹了Azure ML成功預(yù)測出超過100萬用戶脫離智能手機游戲（退會）這一案例。并且于同年10月，我們在日經(jīng)BP社主辦的學(xué)習(xí)交流會“從零開始了解‘機器學(xué)習(xí)’實踐講座”中擔任了講師，就AzureML如何實操進行了現(xiàn)場解說。通過這些活動，一方面大眾對我們FIXER公司有了更多的了解，另一方面FIXER公司也獲得了來自日本知名企業(yè)的諸如“希望使用機器學(xué)習(xí)預(yù)測器械、機器故障并進行預(yù)防”“希望使用機器學(xué)習(xí)創(chuàng)造機器人人工智能”等委托項目。

　　本書旨在將機器學(xué)習(xí)應(yīng)用到現(xiàn)實的商業(yè)當中，并將其轉(zhuǎn)變?yōu)樯唐坊蚍��?wù)，而不是單純地將機器學(xué)習(xí)捧為流行語。換言之，我們出版本書的目的并不是追求學(xué)術(shù)價值，而是為了讓大家能夠使用、活用機器學(xué)習(xí)，不落后于時代變革的潮流，甚至能夠引領(lǐng)時代潮流。希望通過本書，工程師以及商業(yè)人士能夠發(fā)明出使用機器學(xué)習(xí)的新型服務(wù)，或者從數(shù)據(jù)中發(fā)現(xiàn)以前被忽略的新視角。

　　以前，一提到機器學(xué)習(xí)，就會想到是那些被稱為“數(shù)據(jù)科學(xué)家”的專業(yè)人士使用的專業(yè)工具，但是如今情況會有所不同。奮戰(zhàn)在商界的企業(yè)家們可以對數(shù)據(jù)進行直接分析，讓使用數(shù)據(jù)的服務(wù)以及搭載人工智能的服務(wù)開始成為可能�？梢哉f，企業(yè)家和數(shù)據(jù)科學(xué)家之間在認知以及理解上的障礙已經(jīng)消除。初級的系統(tǒng)工程師和開發(fā)商很難涉足的數(shù)據(jù)分析、推薦引擎以及人工智能的開發(fā)和使用難度也會大幅下降。

　　“統(tǒng)計”一詞自公元前誕生于埃及以來已經(jīng)發(fā)展了3000多年，機器學(xué)習(xí)的理論基礎(chǔ)自出現(xiàn)至今已經(jīng)過了40多年，但在商業(yè)中的實際應(yīng)用可以說依然非常受限。我們幾位常年從事股票數(shù)據(jù)的分析，通過各種方式對市場動向及個別股票產(chǎn)品進行預(yù)測，但是僅僅依據(jù)從金融工程學(xué)以及統(tǒng)計學(xué)中導(dǎo)出的現(xiàn)有理論，很難獲得高水平成果。

　　簡單一提的是，過去在未來市場預(yù)測方面能夠取得較高水平成果的方式，是把幾十臺服務(wù)器聯(lián)接起來，使用計算機進行大量的運算，分析離散數(shù)據(jù)而不是分析函數(shù)數(shù)據(jù)。而現(xiàn)在，隨著摩爾定律的不斷發(fā)展，計算機的處Nt陛能以及計算資源也在不斷擴大。自從進入了云端時代，即使是個人也可以在短時間內(nèi)以較低成本同時使用幾十臺甚至幾百臺服務(wù)器。

　　與此同時，現(xiàn)在可以以較低的成本儲存大量數(shù)據(jù)。比如，當今世界很多人都使用智能手機，谷歌、蘋果公司的以及手機App開發(fā)人員每時每刻都能收到來自世界各地的幾億部智能手機中的大量數(shù)據(jù)。除此之外，每隔幾分鐘或者幾小時，就能收到來自幾百萬輛、幾千萬輛汽車以及家電產(chǎn)品的注冊信息。如果是在10年之前，收集、存儲如此巨大的數(shù)據(jù)是不可能的。10年前，1TB容量的企業(yè)版高速存儲器價格超過1億日元，但是現(xiàn)在，不到1萬日元的硬盤（Hard Disk Drive，HDD）的容量就已經(jīng)超過了1TB。2016年4月，Azure的存儲服務(wù)價格標準為：使用99．9％的服務(wù)級別協(xié)議（SLA）用三塊硬盤備份的設(shè)備，1GB平均每月228日元。