2020-07-02 15:24发布
先来看一下机器学习的概念，我们提供给电脑样例数据，电脑通过一定的模型自己学习出相应的规则，并且这些规则可以随着数据的输入不断调整。而深度学习，则是一种十分有效的机器学习方法。
现在的深度学习主要指的是深度神经网络。神经网络形式上就是一个分层的网络结构，它其实是对神经元链接形式上的一种模拟，并不是真正的去建立一个人脑一样的结构，因为大脑太复杂了，我们现有的对大脑的了解还远远不足以让我们模拟一个大脑出来。所以它主要依赖的是数学，而不是神经科学。
深度学习使机器更加聪明，带给我们更加智能的服务。比如说，通过视觉获取和处理图像、通过声音讲出语言是人类最自然的与外界沟通的方式，但传统的计算机服务却无法从本质上读懂我们这些内容，当我们进行图像搜索或者向计算机发送某项指令时，我们需要预先在大脑中做一遍处理，将我们原本要表达的意思转化成计算机能够读懂的文本信息，然后手动输入到计算机并获得结果。但在机器学习的帮助下，我们随意把一张图片丢给电脑就能返回结果，我们直接用语言就可以来命令计算机来为我们提供各种服务。
机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。我们就用最简单的方法——同心圆，可视化地展现出它们两者的关系。
深度学习模型需要大量的训练数据，才能展现出神奇的效果，但现实生活中往往会遇到小样本问题，此时深度学习方法无法入手，传统的机器学习方法就可以处理；有些领域，采用传统的简单的机器学习方法，可以很好地解决了，没必要非得用复杂的深度学习方法；
机器学习包含深度学习。深度学习是机器学习实现的一种工具
机器学习与深度学习的比较
1、应用场景
机器学习在指纹识别、特征物体检测等领域的应用基本达到了商业化的要求。
深度学习主要应用于文字识别、人脸技术、语义分析、智能监控等领域。目前在智能硬件、教育、医疗等行业也在快速布局。
2、所需数据量
机器学习能够适应各种数据量，特别是数据量较小的场景。如果数据量迅速增加，那么深度学习的效果将更加突出，这是因为深度学习算法需要大量数据才能完美理解。
3、执行时间
执行时间是指训练算法所需要的时间量。一般来说，深度学习算法需要大量时间进行训练。这是因为该算法包含有很多参数，因此训练它们需要比平时更长的时间。相对而言，机器学习算法的执行时间更少。
4、解决问题的方法
机器学习算法遵循标准程序以解决问题。它将问题拆分成数个部分，对其进行分别解决，而后再将结果结合起来以获得所需的答案。深度学习则以集中方式解决问题，而不必进行问题拆分。
也不难学，但是要有JAVA的基础
这个要看你在哪个城市就业了，一般来说适合大数据就业的城市不多，一线城市北上广深，甚至在成都找大数据方向的工作都不太好找。如果你学了大数据，刚好也在比较热门的城市，大数据薪资至少也得上万吧。...
自学的话就走很多弯路，需要花费大量时间。如果时间充足可以自学。
人工智能当前有六大研究领域，涉及到计算机视觉、自然语言处理、机器学习、自动推理、知识表示和机器人学，初学者应该选择一个主攻方向，并围绕这个主攻方向来制定学习计划。对于初学者来说，可以从机器学习开始学起，一方面机器学习是打开人工智能知识大门的...
机器学习跟模式识别，统计学习，数据挖掘，计算机视觉，语音识别，自然语言处理等领域有着关系
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的...
行业里其实都有参合一起用，但是java用的比较多！
特征缩放(feature scaling)是预处理阶段的关键步骤，但常常被遗忘。虽然存在决策树和随机森林这种是少数不需要特征缩放的机器学习算法，但对于大部分机器学习算法和优化算法来说，如果特征都在同一范围内，会获得更好的结果。比如梯度下降法。特征缩放的重要...
机器学习【一】K最近邻算法涉及内容：分类——————数据集生成器、KNN拟合数据多元分类————生成数据集、KNN拟合回归分析————用于回归分析的数据集生成器、KNN拟合、调整近邻数KNN实战—酒的分类————数据集有哪些键、生成训练集和测试集、KNN拟...
java 的优势就是 运行速度快（相比 pure python），python 的优势就是 库多，写起来代码量少
微积分、线性代数、概率论、最优化方法
最多设置5个标签!
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1515056452',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','/static/images/logo.png', '推荐 nove 的问题《深度学习与机器学习的区别》','http://www.shouhuola.com/q-21802.html','页面编码gb2312|utf-8默认gb2312'));){kind=link}
先来看一下机器学习的概念，我们提供给电脑样例数据，电脑通过一定的模型自己学习出相应的规则，并且这些规则可以随着数据的输入不断调整。而深度学习，则是一种十分有效的机器学习方法。
现在的深度学习主要指的是深度神经网络。神经网络形式上就是一个分层的网络结构，它其实是对神经元链接形式上的一种模拟，并不是真正的去建立一个人脑一样的结构，因为大脑太复杂了，我们现有的对大脑的了解还远远不足以让我们模拟一个大脑出来。所以它主要依赖的是数学，而不是神经科学。
深度学习使机器更加聪明，带给我们更加智能的服务。比如说，通过视觉获取和处理图像、通过声音讲出语言是人类最自然的与外界沟通的方式，但传统的计算机服务却无法从本质上读懂我们这些内容，当我们进行图像搜索或者向计算机发送某项指令时，我们需要预先在大脑中做一遍处理，将我们原本要表达的意思转化成计算机能够读懂的文本信息，然后手动输入到计算机并获得结果。但在机器学习的帮助下，我们随意把一张图片丢给电脑就能返回结果，我们直接用语言就可以来命令计算机来为我们提供各种服务。
机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。我们就用最简单的方法——同心圆，可视化地展现出它们两者的关系。
深度学习模型需要大量的训练数据，才能展现出神奇的效果，但现实生活中往往会遇到小样本问题，此时深度学习方法无法入手，传统的机器学习方法就可以处理；有些领域，采用传统的简单的机器学习方法，可以很好地解决了，没必要非得用复杂的深度学习方法；
机器学习包含深度学习。深度学习是机器学习实现的一种工具
机器学习与深度学习的比较
1、应用场景
机器学习在指纹识别、特征物体检测等领域的应用基本达到了商业化的要求。
深度学习主要应用于文字识别、人脸技术、语义分析、智能监控等领域。目前在智能硬件、教育、医疗等行业也在快速布局。
2、所需数据量
机器学习能够适应各种数据量，特别是数据量较小的场景。如果数据量迅速增加，那么深度学习的效果将更加突出，这是因为深度学习算法需要大量数据才能完美理解。
3、执行时间
执行时间是指训练算法所需要的时间量。一般来说，深度学习算法需要大量时间进行训练。这是因为该算法包含有很多参数，因此训练它们需要比平时更长的时间。相对而言，机器学习算法的执行时间更少。
4、解决问题的方法
机器学习算法遵循标准程序以解决问题。它将问题拆分成数个部分，对其进行分别解决，而后再将结果结合起来以获得所需的答案。深度学习则以集中方式解决问题，而不必进行问题拆分。
相关问题推荐
也不难学，但是要有JAVA的基础
这个要看你在哪个城市就业了，一般来说适合大数据就业的城市不多，一线城市北上广深，甚至在成都找大数据方向的工作都不太好找。如果你学了大数据，刚好也在比较热门的城市，大数据薪资至少也得上万吧。...
自学的话就走很多弯路，需要花费大量时间。如果时间充足可以自学。
人工智能当前有六大研究领域，涉及到计算机视觉、自然语言处理、机器学习、自动推理、知识表示和机器人学，初学者应该选择一个主攻方向，并围绕这个主攻方向来制定学习计划。对于初学者来说，可以从机器学习开始学起，一方面机器学习是打开人工智能知识大门的...
机器学习跟模式识别，统计学习，数据挖掘，计算机视觉，语音识别，自然语言处理等领域有着关系
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的...
行业里其实都有参合一起用，但是java用的比较多！
特征缩放(feature scaling)是预处理阶段的关键步骤，但常常被遗忘。虽然存在决策树和随机森林这种是少数不需要特征缩放的机器学习算法，但对于大部分机器学习算法和优化算法来说，如果特征都在同一范围内，会获得更好的结果。比如梯度下降法。特征缩放的重要...
机器学习【一】K最近邻算法涉及内容：分类——————数据集生成器、KNN拟合数据多元分类————生成数据集、KNN拟合回归分析————用于回归分析的数据集生成器、KNN拟合、调整近邻数KNN实战—酒的分类————数据集有哪些键、生成训练集和测试集、KNN拟...
java 的优势就是 运行速度快（相比 pure python），python 的优势就是 库多，写起来代码量少
微积分、线性代数、概率论、最优化方法