时间序列 - 进一步范围

机器学习处理各种类型的问题。事实上，几乎所有领域都可以借助机器学习实现自动化或改进。下面给出了一些正在进行大量工作的此类问题。

时间序列数据

这是根据时间变化的数据，因此时间在其中起着至关重要的作用，我们在本教程中主要讨论了这一点。

它是与时间无关的数据，大部分 ML 问题都涉及非时间序列数据。为了简单起见，我们将其进一步分类为 -

数值数据- 计算机与人类不同，只能理解数字，因此各种数据最终都转换为数值数据以供机器学习使用，例如图像数据转换为（r，b，g）值，字符转换为ASCII码或者单词被索引为数字，语音数据被转换为包含数字数据的 mfcc 文件。
图像数据- 计算机视觉彻底改变了计算机世界，它在医学、卫星成像等领域有各种应用。
文本数据- 自然语言处理 (NLP) 用于文本分类、释义检测和语言摘要。这就是谷歌和 Facebook 变得聪明的原因。
语音数据- 语音处理涉及语音识别和情感理解。它在赋予计算机类似人类的品质方面发挥着至关重要的作用。