時間序列 - 進一步範圍

機器學習處理各種各樣的問題。事實上，幾乎所有領域都有藉助機器學習實現自動化或改進的空間。以下列出了少數幾個投入了大量工作的問題。

時間序列資料

這是根據時間而變化的資料，因此時間在其中起著至關重要的作用，我們在本教程中對此進行了詳盡討論。

非時間序列資料

它是與時間無關的資料，並且絕大多數機器學習問題都是非時間序列資料相關的。為了簡便起見，我們將進一步將其分類為 -

• 數值資料 - 與人類不同，計算機只理解數字，因此所有型別的資料最終都會轉換為數值資料以用於機器學習，例如，影像資料會轉換為 (r,b,g) 值，字元會轉換為 ASCII 碼，或者將單詞編入數字索引，語音資料會轉換為包含數值資料的 mfcc 檔案。

• 影像資料 - 計算機視覺已經徹底改變了計算機的世界，在醫學和衛星成像等領域有著廣泛的應用。

• 文字資料 - 自然語言處理 (NLP) 用於文字分類、釋義檢測和語言總結。這正是讓 Google 和 Facebook 變得智慧的原因。

• 語音資料 - 語音處理涉及語音識別和情緒理解。它在賦予計算機類似人類的品質方面發揮著至關重要的作用。