本文附PPT，建议阅读5分钟
究竟是用简单有效的规则引擎就够了还是要上机器学习？
[ 导读 ]在实际的业务数据生产系统中，我们往往会碰到这样一个困境：究竟是用简单有效的规则引擎就够了还是要上机器学习？这是个问题。在这里，来自Capital One的杰出工程师Andy Bonham从业界十多年的经验讲述了，理解规则和机器学习之间的关键区别，学习何时使用规则，何时使用机器学习。相关链接：
https://www.oreilly.com/conferences/archive.html
机器学习正在席卷全球，许多拥有规则引擎的公司开始利用它来进行商业决策。然而，这两种技术针对的是不同的问题。规则引擎用于执行需要100%精度的离散逻辑；机器学习的重点是获取一些输入并试图预测结果。Andrew Bonham详细介绍了规则引擎和机器学习的优点，并为它们确定了最佳用例。您还将学习将规则和机器学习结合使用的模式。例如，您可以运行一个机器学习模型，并将输出作为规则的输入。反之亦然，规则的输出是机器学习模型的特征输入。然后，Andrew使用带有机器学习模型的规则引擎来演示其中一个模式。加入进来，学习何时应用这些技术，以及应用于哪些问题。Capital One
Andy Bonham是Capital One的杰出工程师，拥有超过18年构建实时高事务决策和工作流应用程序的经验。他的应用程序架构专业领域包括微服务、反应式架构、案例管理、BPMS产品、规则引擎、映像解决方案和企业通用功能。他拥有计算机科学专业的本科和硕士学位，专注于信息安全领域，并拥有多项行业认证，包括AWS认证解决方案架构师- Associate、CISSP和CSSLP。他最近在Red Hat和Reactive峰会上发表了演讲，并为Capital One Tech撰写了多篇微服务文章，发表在Medium上
编辑：黄继彦
校对：林亦霖
