کاربرد یادگیری ماشین

نحوه کار یادگیری ماشین را می‌توان با مثالی از دنیای مالی بهتر توضیح داد. به طور سنتی، بازیگران حوزه سرمایه‌گذاری در بازار اوراق بهادار ^[6] مانند محققان مالی، تحلیلگران، مدیران دارایی ^[7] و سرمایه‌گذاران فردی، برای اخذ تصمیمات سرمایه‌گذاری سودآور، حجم زیادی از اطلاعات شرکت‌های مختلف سراسر جهان را بررسی می‌کنند. بااین‌حال، برخی از این اطلاعات مرتبط ممکن است به‌طور گسترده در رسانه‌ها منتشر نشود و ممکن است فقط افراد معدودی، که کارمندان شرکت‌ها یا ساکنان کشور منشأ آن اطلاعات هستند، از این اطلاعات آگاه شوند. بعلاوه، حجم این اطلاعات بیشتر از آن است که انسان‌ها بتوانند در بازه زمانی معینی جمع‌آوری و پردازش کنند. اینجاست که باید از یادگیری ماشین استفاده کنیم.
شرکت‌های مدیریت دارایی ممکن است از یادگیری ماشین برای تجزیه‌وتحلیل سرمایه‌گذاری‌هایشان و زمینه تحقیقاتشان استفاده کنند. فرض کنید مدیر دارایی می‌خواهد فقط روی سهام شرکت‌های معدنی سرمایه‌گذاری کند. یک مدل تعبیه‌شده در سیستم می‌تواند کل وب را بررسی کند و رویدادهای خبری مختلف را از مشاغل، صنایع، شهرها و کشورها مختلف جمع‌آوری کند، این اطلاعات جمع‌آوری‌شده یک مجموعه داده را تشکیل می‌دهند. مدیران دارایی و محققان این شرکت‌ها با استفاده از قدرت و خرد انسانی خود نمی‌توانستند اطلاعات موجود در مجموعه داده‌ها را به دست بیاورند. پارامترهای واردشده در مدل باعث می‌شوند این مدل فقط داده‌های مربوط به شرکت‌های معدنی، سیاست‌های تنظیم‌گری بخش اکتشاف، و رویدادهای سیاسی کشورهای منتخب را از مجموعه داده استخراج کند.