简析机器学习和深度学习之间的区别

【.com快译】

随着人工智能浪潮席卷现代社会，不少人关于机器学习、深度学习、计算机视觉、人造言语处置等名词曾经耳熟能详。可以预感的是，在未来的几年里，无论是在业界还是学界，领有深度学习和机器学习才干的企业都将表演关键角色。

假定你对人工智能畛域的基础常识比拟感兴味，你就会发现很多人工智能技术中经常出现的两个概念：机器学习和深度学习。如何了解两者间的区别十分关键，本文将对此做简明的解析。

深度学习：一种成功机器学习的技术

所谓深度学习，便捷来说是机器学习的一个子集，用于建设、模拟人脑启动数据处置和剖析学习的神经网络，因此也可以被称作是深度神经网络。其基本特点是模拟大脑的神经元之间传递和处置消息的形式。

深度学习的长处在于：

l 不须要手动设计特色，其智能学习的配置关于的义务来说最佳；

l 义务智能取得反抗数据人造变动的鲁棒性；

l 很强的泛化性，相反的深度学习方法可以用于不同的运行程序和不同的数据类型；

l 经常使用多GPU可以口头渺小的并行计算。当数据量很大时，会发生更好的输入结果；

l 其体系结构有可裁减性，具有顺应新疑问的潜能。

机器学习：一种成功人工智能的方法

所谓机器学习，深刻来说是一种成功人工智能的方法，它赋予系统从阅历中智能学习和开展的才干。与传统的为处置特定义务、硬编码的软件程序不同，钻研人员会用少量的数据和各种算法来“训练”机器，让机器学习如何口头并成功义务。

机器学习的长处在于：

l 处置渣滓邮件检测的疑问；

l 在制作畛域优化设施配置，改善消费效率；

l 简化营销手腕，协助预测开售量；

l 优化预测性保养配置；

l 提高安保性和网络性能

未来的或者性

许多企业应用机器学习和深度学习从少量数据中失掉洞见，成功智能智能化、商业智能、优化运营，达成最小化疑问和最大化利润。通常来说，深度学习从少量的非结构化数据（文本、视频、图像、传感器数据）中失掉常识，用于处置更复杂的义务。它驱动了计算机视觉、语音解读、人造言语处置等畛域机器学习方法的开展。假设您的组织正继续始终地生成海量数据流，那么经常使用深度学习就十分值得思考。

迄今而至，深度学习和机器学习都曾经开展了一段期间。为了发明更多的支出，不少行业开局驳回深度学习和机器学习算法，同时培训员工学习这种才干，为企业做出奉献。很多公司正在推出翻新的深度学习技术，以处置复杂的应战。未来，人工智能的边界仍将随着人类想象力和技术的延展迎来更多的或者。

原文： UNDERSTANDING DEEP LEARNING VS MACHINE LEARNING ，

by Monomita Chakraborty