机器学习和深度学习的 5 个关键区别

继系列 所以，机器学习和深度学习的区别是什么? 浅谈后，当天继续深化讨论两者的更多区别。

前言

大少数人没无看法到机器学习是人工智能(AI)的一种，它降生于20世纪50年代。1959年，亚瑟·塞缪尔(ArthurSamuel)编写了第一个计算机学习程序，在这个程序中，IBM计算机玩跳棋的期间越长，它就越长于。快进到当天，当人工智能不只仅是尖端技术，相关上班薪资高，上班令人兴奋。机器学习工程师的需求量很大，无论是数据迷信家还是软件工程师都不具有机器学习畛域所需的技艺。公司须要知晓这两个畛域的专业人士，但他们既不能胜任数据迷信家的上班，也不能胜任软件工程师的上班。这类人群就是机器学习工程师。

“人工智能”、“机器学习”和“深度学习”这三个词经常交替出现，但假设你正在思索从事人工智能的职业，了解它们之间的区别是很关键的。

依据牛津生存词典，人工智能是“计算机系统的通常和开展，能够口头通常须要人类智能的义务，如视觉感知、语音识别、决策和言语间的翻译。”虽然它们或者被称为“智能，“有些人工智能计算机系统不能自己学习;这就是机器学习和深度学习的用武之地。

让咱们深化讨论机器学习和深度学习究竟是什么，以及机器学习和深度学习的区别。

什么是机器学习?

经过机器学习，计算机系统经过编程来学习输入的数据，而不须要重复编程。换言之，他们始终地提高自己在义务上的体现，例如，在没有人协助下玩游戏。机器学习被宽泛运行于艺术、迷信、金融、医疗等畛域。有不同的方法让机器学习。有些是便捷的，如一个基本的决策树;有些则要复杂得多，触及多层人工神经网络。后者出当初深度学习中，咱们一会儿再谈。

机器学习之所以成为或者，不只仅是由于亚瑟·塞缪尔(ArthurSamuel)在1959年的打破性方案，经常使用了一个相对便捷(按当天的规范)的搜查树作为其关键驱动程序，他的IBM计算机在跳棋方面始终失掉改良。

多亏了互联网，少量的数据被创立和存储，这些数据可以提供应计算机系统，协助他们“学习”。经常使用Python启动机器学习是当今最盛行的方法。

什么是深度学习?

有人以为深度学习是机器学习的下一个前沿，是最前沿的前沿。假设你看过Netflix，一些流媒体音乐服务会依据你过去听过的歌曲，或你点赞过的歌曲，为你介绍观看的内容。这些才干都建设在深入学习的基础上。谷歌的语音识别和图像识别算法也经常使用深度学习。

正如机器学习被以为是人工智能的一种类型，深度学习通常被以为是机器学习的一种类型，有人称之为子集。虽然机器学习经常使用便捷的概念，如预测模型，深度学习经常使用人工神经网络，旨在模拟人类的思想和学习方式。你或者还记得高中动物学中，人脑的关键细胞成分和关键计算元素是神经元，每个神经衔接就像一台小型计算机。大脑中的神经元网络担任处置各种输入：视觉、觉得等。

与机器学习一样，在深度学习的计算机系统中，还是一样被喂数据，但是消息往往是以渺小的数据集的方式存在的，由于深度学习系统须要少量的数据来了解，才干前往准确的结果。而后，人工神经网络依据数据提出一系列二元真/假疑问，触及高度复杂的数学计算，并依据失掉的答案对数据启动分类。

因此，虽然机器学习和深度学习都属于人工智能的普通分类，而且都是从数据输入中“学习”，但两者之间有一些关键的区别。

机器学习和深度学习的5个关键区别

1 人为干预

不像在机器学习系统中，人类须要依据数据类型(例如，像素值、状态、方向)识别和手工编码运行的特色，深度学习系统会试图在不须要额外人工干预的状况下学习这些特色。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，而后学习人脸的更关键局部，最后学习人脸的全体示意。这样做所触及的数据量是渺小的，随着期间的推移和程序自身的训练，失掉正确答案的概率(即准确识别人脸)便会参与。这种训练是经过经常使用神经网络启动的，相似于人脑的上班方式，不须要人从新编码程序。

2 配件

由于要处置的数据量和所用算法中触及的数学计算的复杂性，深度学习系统比便捷的机器学习系统须要更弱小的配件。一种用于深度学习的配件是图形处置单元(gpu)。机器学习程序可以在低端机器上运转，不须要那么多算力。

3 期间

如您所料，由于深度学习系统须要少量的数据集，而且触及到太多的参数和复杂的数学公式，因此深度学习系统或者须要破费少量的期间来训练。机器学习或者只有要几秒钟到几个小时，而深度学习或者须要几个小时到几个星期!

4 方法

机器学习中经常使用的算法偏差于对数据启动局部解析，而后将这些局部联合起来失掉结果或处置方案。深度学习系统可以一下子处置整个疑问或场景。例如，假设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)，您就必定经过机器学习成功两个步骤：首先是对象检测，而后是对象识别。但是，经常使用深度学习程序，您将输入图像，经过训练，程序将一次性性失掉已识别对象和其在图像中的位置。

5 运行

思索到下面提到的一切其余差异，您或者曾经了解到机器学习和深度学习系统用于不同的运行程序。它们的用途：基本的机器学习运行程序包括预测程序(例如预测股票市场的多少钱或下一次性飓风将在何时何地袭来)、渣滓电子邮件识别器，以及为医疗患者设计循证治疗方案的程序。

关于深度学习，除了下面提到的Netflix、音乐流服务和面部识别等例子之外，深度学习的一个广为宣传的运行是智能驾驶。这些程序经常使用多层神经网络来确定要避开的对象、识别红绿灯以及知道何时减速或减速。

机器学习与深度学习的未来趋向

机器学习和深度学习的未来包括着无量的或者!越来越多的机器人不只用在制作业，而且在一些其余方面可以改善咱们的日常生存方式。医疗行业也或者会出现变动，由于深度学习有助于医生更早地预测或发现癌症，从而援救生命。在金融畛域，机器学习和深度学习可以协助公司甚至团体节俭资金，更痴呆地投资，更有效地调配资源。

而这三个畛域仅仅是机器学习和深度学习未来趋向的开局。许多须要改良的畛域，如今依然只是咱们想象中的一个火花。