简析机器学习和深度学习之间的区别

译文
人工智能 机器学习
人工智能技术中常见的两个概念“机器学习”和“深度学习”,如何理解两者间的区别非常重要,本文将对此做简要的解析。

【51CTO.com快译】  

[[379353]]

随着人工智能浪潮席卷现代社会,不少人对于机器学习、深度学习、计算机视觉、自然语言处理等名词已经耳熟能详。可以预见的是,在未来的几年里,无论是在业界还是学界,拥有深度学习和机器学习能力的企业都将扮演重要角色。

  假设你对人工智能领域的基础知识比较感兴趣,你就会发现很多人工智能技术中常见的两个概念:机器学习和深度学习。如何理解两者间的区别非常重要,本文将对此做简要的解析。

  深度学习:一种实现机器学习的技术

  所谓深度学习,简单来说是机器学习的一个子集,用于建立、模拟人脑进行数据处理和分析学习的神经网络,因此也可以被称作是深度神经网络。其基本特点是模仿大脑的神经元之间传递和处理信息的模式。

  深度学习的优势在于:

  l 不需要手动设计特征,其自动学习的功能对于当前的任务来说最佳;

  l 任务自动获得对抗数据自然变化的鲁棒性;

  l 很强的泛化性,相同的深度学习方法可以用于不同的应用程序和不同的数据类型;

  l 使用多GPU可以执行巨大的并行计算。当数据量很大时,会产生更好的输出结果;

  l 其体系结构有可扩展性,具备适应新问题的潜能。

  机器学习:一种实现人工智能的方法

  所谓机器学习,通俗来说是一种实现人工智能的方法,它赋予系统从经验中自动学习和发展的能力。与传统的为解决特定任务、硬编码的软件程序不同,研究人员会用大量的数据和各种算法来“训练”机器,让机器学习如何执行并完成任务。

  机器学习的优势在于:

  l 解决垃圾邮件检测的问题;

  l 在制造领域优化设备功能,改善生产效率;

  l 简化营销手段,协助预测销售量;

  l 提升预测性维护功能;

  l 提高安全性和网络性能

  未来的可能性

  许多企业利用机器学习和深度学习从大量数据中获取洞见,实现智能自动化、商业智能、优化运营,达成最小化问题和最大化利润。通常来说,深度学习从大量的非结构化数据(文本、视频、图像、传感器数据)中获取知识,用于解决更复杂的任务。它驱动了计算机视觉、语音解读、自然语言处理等领域机器学习方法的发展。如果您的组织正持续不断地生成海量数据流,那么使用深度学习就非常值得考虑。

  迄今而至,深度学习和机器学习都已经发展了一段时间。为了创造更多的收入,不少行业开始采用深度学习和机器学习算法,同时培训员工学习这种能力,为企业做出贡献。很多公司正在推出创新的深度学习技术,以解决复杂的挑战。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可能。

  原文:UNDERSTANDING DEEP LEARNING VS MACHINE LEARNING

  by Monomita Chakraborty

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

责任编辑:张洁 来源: 51CTO
相关推荐

2021-12-01 22:55:45

人工智能机器学习深度学习

2017-03-01 21:15:44

AI机器学习深度学习

2017-12-04 14:32:36

深度学习机器学习

2021-02-25 10:07:42

人工智能AI机器学习

2023-04-19 10:17:35

机器学习深度学习

2021-03-01 11:39:34

机器学习深度学习人工智能

2021-02-17 00:30:41

机器学习深度学习人工智能

2021-02-26 10:02:13

人工智能深度学习机器学习

2022-03-25 10:35:20

机器学习深度学习强化学习

2022-03-28 13:14:19

机器学习深度学习

2017-10-13 15:59:47

2017-03-07 14:51:07

2016-09-01 14:47:56

人工智能机器学习深度学习

2020-11-03 14:31:55

Ai人工智能深度学习

2021-07-27 13:30:25

人工智能机器学习深度学习

2021-01-22 10:27:28

人工智能机器学习技术

2021-04-16 09:53:45

人工智能机器学习深度学习

2020-06-02 10:28:17

机器学习技术人工智能

2020-05-28 15:35:07

人工智能

2017-02-05 17:10:41

机器学习深度学习框架
点赞
收藏

51CTO技术栈公众号