什么是机器学习？

计算机系统通过编程学习输入的数据，而无需重复编程。换句话说，他们会不断改进自己在任务中的表现，比如，不需要别人帮助也可以玩游戏。机器学习被广泛应用于艺术、科学、金融、医疗等领域。有不同的方法让机器学习。有些是简单的，如一个基本的决策树;有些则要复杂得多。

什么是深度学习？

有人认为深度学习是机器学习的下一个前沿，是最前沿的前沿。如果你看过Netflix，一些流媒体音乐服务会根据你过去听过的歌曲，或你点赞过的歌曲，为你推荐观看的内容。这些能力都建立在深入学习的基础上。谷歌的语音识别和图像识别算法也使用深度学习。

深度学习和机器学习的区别有哪些？

深度学习和机器学习的区别所在，对于它们区别我们分别从人为干预、时间、硬件、方法与应用五方面来分析的。

深度学习和机器学习是否需要人为干预

需要人为的干预，人类的学习与机器学习之间有所差异，人类需要的是根据数据类型的识别和手工编码应用的特征，深度学习系统会试图在不需要额外人工干预的情况下学习这些特征。以人脸识别程序为例，程序首先学习检测和识别人脸的边缘和线条，然后学习人脸的更重要部分，最后学习人脸的整体表示。这样做所涉及的数据量是巨大的，随着时间的推移和程序本身的训练，得到正确答案的概率(即准确识别人脸)便会增加。这种训练是通过使用神经网络进行的，类似于人脑的工作方式，不需要人重新编码程序。

深度学习和机器学习时间的区别

深度学习系统中，需要一定规模的数据集进行支撑，而且其中涉及了许多参数的调试还有复杂的数学公司，因此对深度学习进行训练，需要花费大量的时间。从时间效率的角度上来看，机器学习可能只需要几秒钟到几个小时，而深度学习可能需要几个小时到几个星期。

深度学习和机器学习硬件的区别

由于要处理的数据量和所用算法中涉及的数学计算的复杂性，深度学习系统比简单的机器学习系统需要更强大的硬件。一种用于深度学习的硬件是图形处理单元(gpu)。机器学习程序可以选择在低端的机器上进行运行，不需要那么强大的算力支持。

深度学习和机器学习方法区别

机器学习中使用的算法倾向于对数据进行部分解析，然后将这些部分结合起来得到结果或解决方案。深度学习系统可以一下子解决整个问题或场景。例如，如果您想要一个程序来识别图像中的特定对象(例如，它们是什么以及它们在停车场汽车牌照上的位置)，您就必须通过机器学习完成两个步骤：首先是对象检测，然后是对象识别。但是，使用深度学习程序，您将输入图像，通过训练，程序将一次性得到已识别对象和其在图像中的位置。

深度学习和机器学习应用范围区别

它们的用途：基本的机器学习应用程序包括预测程序(例如预测股票市场的价格或下一次飓风将在何时何地袭来)、垃圾电子邮件识别器，以及为医疗患者设计循证治疗计划的程序。对于深度学习来说，Netfix外，深度学习还广为应用在自动驾驶领域，在日常生活中用到的面部识别能，具有许多应用范围。

如果您想了解更多相关信息

▼

 立刻咨询 客服

Python-机器学习

深度学习与计算机图像处理技术实战

上海4月22日-25日公开课

还有更多相关的课程详细

扫码咨询

[1]