曾經我們對學習的概念只停留在人類對于文明史實、數算語言等知識的認知與學習。現在隨著人工智能的發展，“學習”這個詞也變得更加與眾不同。深度學習與機器學習都屬于人工智能的一般分類，人工智能它是計算機系統的理論與發展，它是為能夠執行人類交代的任務而產生的，一般具有語音識別，語言翻譯，視覺感知等等。它的發展是人類科技文明的重大進步，我們接下來就說說深度學習和機器學習的區別所在，了解得更多才能讓我們的視野更加廣闊。

深度學習和機器學習的區別所在

什么是機器學習？

計算機系統通過編程學習輸入的數據，而無需重復編程。換句話說，他們會不斷改進自己在任務中的表現，比如，不需要別人幫助也可以玩游戲。機器學習被廣泛應用于藝術、科學、金融、醫療等領域。有不同的方法讓機器學習。有些是簡單的，如一個基本的決策樹;有些則要復雜得多，涉及多層人工神經網絡。后者發生在深度學習中，我們一會兒再談。

什么是深度學習？

有人認為深度學習是機器學習的下一個前沿，是最前沿的前沿。如果你看過Netflix，一些流媒體音樂服務會根據你過去聽過的歌曲，或你點贊過的歌曲，為你推薦觀看的內容。這些能力都建立在深入學習的基礎上。谷歌的語音識別和圖像識別算法也使用深度學習。

機器學習和深度學習的5個關鍵區別

1、人為干預。需要人為的干預，人類的學習與機器學習之間有所差異，人類需要的是根據數據類型的識別和手工編碼應用的特征，深度學習系統會試圖在不需要額外人工干預的情況下學習這些特征。以人臉識別程序為例，程序首先學習檢測和識別人臉的邊緣和線條，然后學習人臉的更重要部分，最后學習人臉的整體表示。這樣做所涉及的數據量是巨大的，隨著時間的推移和程序本身的訓練，得到正確答案的概率(即準確識別人臉)便會增加。這種訓練是通過使用神經網絡進行的，類似于人腦的工作方式，不需要人重新編碼程序。

2、時間。深度學習系統中，需要一定規模的數據集進行支撐，而且其中涉及了許多參數的調試還有復雜的數學公司，因此對深度學習進行訓練，需要花費大量的時間。從時間效率的角度上來看，機器學習可能只需要幾秒鐘到幾個小時，而深度學習可能需要幾個小時到幾個星期。

3、硬件。由于要處理的數據量和所用算法中涉及的數學計算的復雜性，深度學習系統比簡單的機器學習系統需要更強大的硬件。一種用于深度學習的硬件是圖形處理單元(gpu)。機器學習程序可以選擇在低端的機器上進行運行，不需要那么強大的算力支持。

4、方法。機器學習中使用的算法傾向于對數據進行部分解析，然后將這些部分結合起來得到結果或解決方案。深度學習系統可以一下子解決整個問題或場景。例如，如果您想要一個程序來識別圖像中的特定對象(例如，它們是什么以及它們在停車場汽車牌照上的位置)，您就必須通過機器學習完成兩個步驟：首先是對象檢測，然后是對象識別。但是，使用深度學習程序，您將輸入圖像，通過訓練，程序將一次性得到已識別對象和其在圖像中的位置。

5、應用。它們的用途：基本的機器學習應用程序包括預測程序(例如預測股票市場的價格或下一次颶風將在何時何地襲來)、垃圾電子郵件識別器，以及為醫療患者設計循證治療計劃的程序。對于深度學習來說，Netfix外，深度學習還廣為應用在自動駕駛領域，在日常生活中用到的面部識別能，具有許多應用范圍。

以上我們介紹了，深度學習和機器學習的區別所在，對于它們區別我們分別從人為干預、時間、硬件、方法與應用五方面來分析的，如果您想了解更多相關信息，請您繼續關注中培偉業。