什么是机器学习PAI

机器学习是指机器通过统计学算法对大量历史数据进行学习，进而利用生成的经验模型指导业务。目前，机器学习主要应用在以下场景：

• 营销类场景：商品推荐、用户群体画像或广告精准投放。

• 金融类场景：贷款发放预测、金融风险控制、股票走势预测或黄金价格预测。

• 社交网络服务关系挖掘场景：微博粉丝领袖分析或社交关系链分析。

• 文本类场景：新闻分类、关键词提取、文章摘要或文本内容分析。

• 非结构化数据处理场景：图片分类或图片文本内容提取。

• 其它各类预测场景：降雨预测或足球比赛结果预测。

机器学习包括传统机器学习和深度学习。传统机器学习分为以下几类：

• 有监督学习（Supervised Learning）：每个样本都有对应的期望值，通过搭建模型实现从输入特征向量到目标值的映射，例如解决回归和分类问题。

• 无监督学习（Unsupervised Learning）：所有样本没有目标值，期望从数据本身发现一些潜在规律，例如解决聚类问题。

• 增强学习（Reinforcement Learning）：相对较为复杂，系统与外界环境不断交互，在外界反馈的基础上决定自身行为，以达到目标最优化。例如阿尔法围棋和无人驾驶。

PAI起初是服务于阿里巴巴集团内部（例如淘宝、支付宝和高德）的机器学习平台，致力于让公司内部开发者更高效、简洁、标准地使用人工智能AI（Artificial Intelligence）技术。随着PAI的不断发展，2018年PAI平台正式商业化，目前已经积累了数万的企业客户和个人开发者，是中国云端机器学习平台之一。

PAI底层支持多种计算框架：

• 流式计算框架Flink。

• 基于开源版本深度优化的深度学习框架TensorFlow。

• 千亿级特征样本的大规模并行计算框架Parameter Server。

• Spark、PySpark、MapReduce等业内主流开源框架。

PAI提供的服务：

• 可视化建模和分布式训练PAI-Designer，详情请参见可视化建模（PAI-Designer）。

• Notebook交互式AI研发PAI-DSW（Data Science Workshop），详情请参见交互式建模（PAI-DSW）。

• 云原生AI基础平台PAI-DLC（Deep Learning Containers），详情请参见容器训练（DLC）。

• 在线预测PAI-EAS（Elastic Algorithm Service），详情请参见模型在线服务（PAI-EAS）。

PAI的优势：

• 该服务支持单独或组合使用。支持一站式机器学习，您只需准备好训练数据（存放到OSS或MaxCompute中），所有建模工作（包括数据上传、数据预处理、特征工程、模型训练、模型评估和模型发布至离线或在线环境）都可以通过PAI实现。

• 对接DataWorks，支持SQL、UDF、UDAF、MR等多种数据处理方式，灵活性高。

• 生成训练模型的实验流程支持DataWorks周期性调度，且调度任务区分生产环境和开发环境，从而实现数据安全隔离。