給科學家的機器學習快速入門指南

 過去幾個月花了些時間寫了一本小書，還會繼續修改，先把前言放上來，其他的慢慢來。

前言

機器學習（machine learning）是人工智慧（Artifitial Intelligence, AI）以及電腦科學（computer science）的一個分支，主要的研究範疇聚焦在設計「學習」的演算法，讓電腦自動對資料進行歸納與推理，藉以尋找資料內部的特徵和關聯性，利於後續進行分群、分類、辨識與異常偵測等等任務。

早在 AlphaGo 戰勝人類圍棋高手之前，機器學習就已經在我們生活中的各個角落默默的運作著。從網路購物時看到各種「您可能也喜歡…」的推薦、看似能理解人類意圖的搜尋引擎、用語音控制的各式家電，到停車場和高速公路的收費，處處都有機器學習技術的應用。而對於科學家來說，支撐整個機器學習的「資料驅動」（data-driven）精神，除了為分析資料與建立預測模型提供廣泛而實用的工具之外，也在哲學層次上展示了對於理論建構的不同思維方式。

然而，機器學習作為一個獨立的學術領域，相關技術也廣泛的應用在產業與生活之中，身為其他科學領域的研究人員，面對這個既深且廣的知識本體，一時之間難免有不知從何入手的感覺。為了這個緣故，我們編寫了這本小冊子，期待透過對機器學習領域的基本介紹，搭配使用機器學習作為工具的近期研究，來作為科學家們入門機器學習的指南。