笔者从事大数据和机器学习的产品相关设计大概也有两年多时间了，会开始逐步将工作中的一些收获总结起来并分享给大家。因为最早是从接触机器学习的聚类工具开始的，今天就主要讲机器学习相关，整理一下应用的典型场景和核心算法。
随着大数据时代的来临，在商业、经济及其他领域中，决策日益基于数据和分析而作出，而非简单依靠经验和直觉。通过数据挖掘和机器学习模型来发现海量数据背后的关系并进行相关预测的方案成为最切实有效的方法。
机器学习的发展是离不开大数据的发展的，因为机器学习就是从一堆杂乱无章的数据中找到其背后的规律。可以这么说，数据是机器学习的重要基础，数据量越大，机器学习的效果也会越好。任何脱离了大数据支撑的机器学习模型都是不完美的。
目前应用机器学习的主要行业和典型场景有哪些呢？
零售 主要的场景包括了实体门店、线上销售、物流管理
家居 主要的场景包括了智能家居、智能中控、智能设备
机器人 主要的场景包括了家用机器人、工业服务、企业服务
军事、生活、娱乐等 主要的场景包括了无人驾驶、导航、模拟训练等
医疗 主要的场景包括了医疗机器人、虚拟医生、手术辅助
教育 主要的场景包括了在线教学、早教机器人、批卷阅卷
语言 主要的场景包括了语音识别和语义理解
计算机视觉 主要的场景包括了静态图像识别和动态图像识别
这些领域都有很多成功的产品案例可以进行参考。
有人或许会问，机器学习的产品经理对算法的掌握需要到哪种程度呢？笔者认为，对常用算法的大概种类、使用范围和应用场景的了解还是必须的。因此，笔者也对以上信息做了一个总结：
产品经理需要掌握的核心算法
大概就是这些，后面再继续补充。
