本文由liuxuewen 發表於雲+社群專欄在本文中，我們將研究深度學習和機器學習之間的差異。我們將逐一了解它們，然後討論他們在各個方面的不同之處。除了深度學習和機器學習的比較外，我們還將研究他們未來的趨勢和走向。
通常，為了實現人工智慧，我們使用機器學習。我們有幾種演算法用於機器學習。例如：
find-s演算法
決策樹演算法（decision trees）
隨機森林演算法（random forests）
人工神經網路
通常，有3種型別的學習演算法：
1，監督機器學習演算法用於進行**。此外，該演算法搜尋分配給資料點的值標籤內的模式。
3，增強機器學習演算法：我們使用這些演算法來選擇動作。此外，我們可以看到它基於每個資料點。一段時間後，演算法改變其策略以更好地學習。
機器學習只關注解決現實問題。它還需要更加智慧型的一些想法。機器學習通過旨在模仿人類決策能力的神經網路。ml工具和技術是關鍵的兩個深度學習的窄子集，我們需要用他們來解決需要思考的問題。任何深度神經網路都將包含三種型別的圖層：
輸入層隱藏層
輸出層我們可以說深度學習是機器學習領域的最新領域。這是實現機器學習的一種方式。
我們使用機器演算法來解析資料，從資料中學習，並根據所學知識做出明智的決策。基本上，深度學習用於建立人工「神經網路」 ，可以自己學習和做出明智的決策。我們可以說深度學習是機器學習的乙個子領域。
效能是兩種演算法之間的主要關鍵區別。雖然，當資料很小時，深度學習演算法表現不佳。這就是是深度學習演算法需要大量資料才能完美理解的原因。
但是，在這種情況下，我們可以看到演算法的使用以及他們手工製作的規則。上圖總結了這一事實。
通常，深度學習依賴於高階機器，而傳統學習依賴於低端機器。因此，深度學習要求包括gpu。這是它工作中不可或缺的一部分。它們還進行大量的矩陣乘法運算。
這是乙個普遍的過程。在此，領域知識被用於建立特徵提取器，以降低資料的複雜性，並使模式更加可見以學習演算法的工作。雖然，處理起來非常困難。因此，這是需要非常多的專業知識和時間。
通常，我們使用傳統演算法來解決問題。但是，它需要將問題分解為不同的部分以單獨解決它們。要獲得結果，請將它們全部組合起來。
例如：讓我們假設你有乙個多物件檢測的任務。在此任務中，我們必須確定物件是什麼以及它在影象中的位置。在機器學習方法中，我們必須將問題分為兩個步驟：
1.物體檢測
2.物體識別
首先，我們使用抓取演算法瀏覽影象並找到所有可能的物件。然後，在所有已識別的物件中，你將使用像svm和hog這樣的物件識別演算法來識別相關物件。
通常，與機器學習相比，深度學習需要更多時間進行訓練。主要原因是深度學習演算法中有太多引數。機器學習只花需要更少的時間進行訓練。
我們將可解釋性作為比較兩種學習技巧的因素。儘管如此，深度學習在用於工業之前仍然被認為是10次。
計算機視覺： 我們將其用於車牌識別和面部識別等不同應用。
資訊檢索： 我們將ml和dl用於搜尋引擎，文字搜尋和影象搜尋等應用程式。
營銷：我們在自動電子郵件營銷和目標識別中使用這種學習技術。
醫療診斷：它在醫學領域也有廣泛的應用。癌症鑑定和異常檢測等應用。
如今，機器學習和資料科學正處於趨勢中。在公司中，對它們的需求正在迅速增加。對於希望在其業務中整合機器學習而生存的公司而言，他們的需求尤其大。
深度學習被發現，並證明擁有最先進的表演技術。因此，深度學習讓我們感到驚訝，並將在不久的將來繼續這樣做。
最近，研究人員不斷探索機器學習和深度學習。過去，研究人員僅限於學術界。但是，如今，機器學習和深度學習的研究正在兩個行業和學術界中佔據一席之地。
原文標題《machine learning vs. deep learning》，
譯者：謝子喬
問答人工智慧與機器學習有哪些不同海量技術實踐經驗，盡在雲加社群！一文看懂自然語言處理（nlp）的深度學習發展史和待解難題
基於tensorflow的視覺問答系統構建
5分鐘機器學習
logistic regression 1.由線性回歸，加上sigmoid得來 2.線性回歸得到的是乙個值，logistic regression得到的是乙個概率 3.sigmoid函式減少了極端值的影響 4.如果樣本不是線性回歸可處理的，那麼logistic regression效果就比較差 sv...
5分鐘搞懂什麼是深度學習
現在各種名詞非常火，什麼人工智慧 機器學習 深度學習，那麼我要學習它，當然是要在乙個大的方向 輪廓上看到它。比如爬一座山，先遠遠的看看，對它有乙個大致的了解。如何理解人工智慧 機器學習和深度學習三者的關係 嗯嗯，這麼一看是不是清楚了很多呢？再來一張 人工智慧 機器學習和深度學習三者的關係 深度學習 ...
5分鐘搞懂什麼是深度學習
現在各種名詞非常火，什麼人工智慧 機器學習 深度學習，那麼我要學習它，當然是要在乙個大的方向 輪廓上看到它。比如爬一座山，先遠遠的看看，對它有乙個大致的了解。如何理解人工智慧 機器學習和深度學習三者的關係 嗯嗯，這麼一看是不是清楚了很多呢？再來一張 人工智慧 機器學習和深度學習三者的關係 深度學習 ...