Существует множество полей, в которых используется машинное обучение:
- Интеллектуальный ввод текста ( Машины опорных векторов )
- Компьютерное зрение
- Игра А.И.
- Роботизированное восприятие (классификация и обнаружение)
- Genomics
- Распознавание рукописного ввода (например, почтовая служба США использует нейронные сети для сортировки почты)
- Обнаружение мошенничества с кредитными картами
- Локализация ( Фильтры Калмана , Фильтры частиц )
- Прогнозирование предпочтений (Netflix, Amazon)
EDIT:
Если вы ищете в прачечной список всех приложений машинного обучения, я думаю, вы обнаружите, что проблема неразрешима. Машинное обучение как область в значительной степени сосредоточено на задаче использования данных для построения модели, которая может отображать входные данные в желаемый набор выходных данных. Области, которые его используют, постоянно растут, так как люди представляют новые приложения для машинного обучения. Если это помогает, как правило, машинное обучение является наиболее мощным, когда сопоставление между входами и выходами не может быть хорошо описано, пространство сопоставления слишком многомерно, чтобы обрабатывать его разумным образом, и / или должно быть адаптивным со временем.
Если вы просто ищете места для чтения в приложениях машинного обучения, вы можете взглянуть на следующее:
Еще одна хорошая ставка - посетить университетские веб-сайты, на которых есть сильные программы A.I., CS, Math или Robotics, и посмотреть, есть ли у них интересующие материалы курса. Я знаю, например, что у CMU, MIT и Stanford обычно есть много заметок в Интернете, в которых часто упоминаются приложения для различных методов.