機器學習是一種允許計算機使用現有數據預測未來行為、結果和趨勢的數據科學方法。 使用機器學習，計算機可以在未顯式編程的情況下進行學習。機器學習的預測可以使得應用和設備更智能。 在線購物時，機器學習基於歷史購買推薦你可能喜歡的其他產品。 刷信用卡時，機器學習將事務與事務數據庫進行比較，幫助檢測欺詐行為。當機器人吸塵器清理房間時，機器學習幫助其決定工作是否完成。
隨着微軟的ML.NET https://github.com/dotnet/machinelearning/ 的最新一個RC 版本即將發布之間，而且在微軟官方的機器學習框架API趨向穩定，在.NET 社區也有一個團隊 https://github.com/SciSharp 也在構建一個和ML.NET 類似的相競爭的社區產品，社區最近迎來了一個重量級的深度學習項目https://github.com/SciSharp/SiaNet ，這個項目有點像Kearas。
Python 和 R 語言都具有健全的生態系統，其中包括了很多開源工具和資源庫，從而能夠幫助任何水平層級的數據科學家展示其分析工作。Python ，由於更看重預測結果的准確性，使其成為機器學習的一把利器。 R ，作為一種以統計推斷為導向的編程語言，在數據分析界也得到廣泛應用。基於 Numpy 和 Scipy ，scikit-learn 提供大量用於數據挖掘和分析的工具，從而提高了 Python 本就出色的機器學習可用性。NumPy 和 SciPy 各自為戰，雖然它們是 Python 中數據分析的核心部分，但數據分析家更可能僅僅原生地去使用它們，而不是基於一個更高的角度。 Scikit-learn 卻將二者結合成為一個機器學習資源庫，同時也降低了大家的學習門檻。微軟的ML.NET 目標之一就是要打造C#的 Scikit-learn。在數據分析領域，Python 也因幾個庫而包受推崇。 作為其中最為著名的庫之一，Pandas 為 Python 提供了高性能處理的數據結構和數據分析工具。如同其他很多 Python 的庫一樣，從你着手一個新項目到真正做些有價值的工作這過程的時間將會因它大大縮短，https://github.com/SciSharp 正是這些Python的庫移植到了.NET, 編程風格保持和Python一致，方便從Python移植龐大的機器學習資源。
今天特別想在公眾號里頭針對使用.NET人群做個調查，歡迎大家積極參與，這個調查的很簡單，只有4道題。