机器学习不仅可以为专家提供高薪，而且还可以使用算法来赚钱。通过机器学习赚钱，往往围绕着预测、目标和生产的能力。

在深入研究实际案例之前，重要的是要认识到，我们前面的所有创新都将涉及到某种机器学习。例如，无人驾驶汽车，第一家成功生产无人驾驶汽车的公司将永远改变经济，当然，也是变得非常富有。现在如此困难的原因是道路很不完善，规则不一致，交通混乱。机器学习是以一种创新的方式来理解不完美，因此很适合这个问题。在癌症的例子中，微软与Facebook合作，大胆宣称他们将在10年内“解决”癌症。日常医院正在建立描述以前死亡的数据集，利用相关的生物属性，然后使用人工智能来发现我们没有注意的模式。

显然许多公司会从预测的能力中获益。了解客户下一步的需求对于增长和稳定至关重要。下面这些有趣的例子说明了机器学习是如何被用来赚钱的，从个人的家庭利益，一直到大公司的发展。

Kemvi/HubSpot

最近合作，并使用自然语言处理模型来识别在社交媒体上的销售机会。然而，社交媒体是一个特定的，因为他们也与那些交流不同搜索结果的网站合作。了解人们通过语言进行大众需求可以对公司的效率产生巨大的影响。此外，顾客也有更多的机会去了解他们想要的东西，因为无需询问，机器学习算法就能显示出来。

PyTrader

如果你希望看到有关交易的资料，那么你猜对了。PyTrader是一个加密货币交易机器人，自然适合个人使用。它将通过不同的货币来进行交易，如果它在预测中超过了信心的阈值，就可以进行自动交易。



加密货币最近非常火爆，我想读者会更喜欢深度pytrader。甚至可能包括一个简短的代码教程，或者甚至可能是另一篇文章的想法。

它显然工作得比较好，但是从长远来看还是有问题的。它还提供了许多不同的分类模型，如线性SVM、决策树、随机森林(不太相关)、AdaBoost等等。

深度学习比特币

与PyTrader类似，但这个项目使用神经网络来查看图表数据。希望“利用”比特币的价格模式，并在系统有信心时进行交易。有趣的是，这个项目是可视化的，而不是数字的。这正是我们自己的大脑可能试图根据它通过的形状判断图表的方向。你最终拥有了一种相当动态的交易能力，并能期望成功率高达70%。

Sigmoidal

Sigmoidal公司是一家广义的AI公司，由公司聘用，基本上是为了赚钱。如果通过实施聊天机器人技术来学习客户需要的东西，或者节省客户查询的时间，那么他们就会通过机器学习提高另一家公司的效率。

Cerebellum Capital

正如你所预料的那样，一个只使用机器学习来预测股票市场价格的对冲基金。在AI中使用各种不同的传统和非传统方法，他们总是在创造新的方法来结合股票市场和机器学习。

计策

在这种情况下，Stratagem正在销售由他们的机器学习模型生成的见解。这些见解是对运动结果的预测。目前他们有三种应用程序:StrataBet、StrataPro和StrataTips。StrataPro在比赛中提供实时的英特尔芯片，允许在游戏中对许多特定的游戏进行预测。StrataBet是专门针对足球的，它提供的算法较少。



机器学习…

我们都希望机器学习能越来越好。也许，在不远的将来，将会出现一种新的神经网络，与我们自己竞争，甚至超越我们自己的智力。也许，机器学习本身会通过观察所有行业如何赚钱来创造出自己的赚钱方式。实际上，这种极端的智力水平被认为是对我们全球经济的威胁，除非它也能学会如何不成为一个人。不管怎样，我们还没到那一步。