简介

机器学习（ML）这个术语常常被人们随意使用，仿佛只要将其应用到数据上，就能创造出奇迹！如果我们浏览一下互联网上关于机器学习的文章，会发现它们大致分为两类：一类是充满复杂术语的学术性描述，另一类则是将机器学习吹捧为万能灵药的空洞言论。

图片来源：https://xkcd.com

在接下来的一系列课程中，我们将以一种简单易懂的方式介绍这门学科，帮助大家扎实掌握其核心概念。我们将通过一个完整的项目实践，使用 Python 的 Scikit-Learn 库深入探讨机器学习的实际应用。

请注意，本系列课程并非对机器学习领域的全面介绍；该领域内容广泛，需要专门的完整课程才能系统覆盖！

本系列课程的目标包括：

• 介绍机器学习的基本概念；
• 学习几种最重要的机器学习算法，培养对它们工作原理以及适用场景和时机的直观理解；
• 通过一个真实的端到端案例，了解机器学习项目所需的关键步骤及其实际应用方法。

但在继续之前，你可能会问自己：“数据科学和机器学习之间到底有什么本质区别呢？

这两个领域确实有大量重叠，听起来也常被混用。不过，如果做一个简化的区分，我们可以说：

• 数据科学 旨在从数据中获取洞察与理解；
• 机器学习 则用于生成预测结果。

尽管如此，两者之间的界限并不绝对清晰。大多数从业者都需要在两者之间灵活切换，这也是为什么我们将在数据科学课程中深入讲解机器学习。