什么是機器學習？

通過機器學習，可以對計算機系統(tǒng)進行編程以從輸入的數(shù)據(jù)中學習，而無需對其進行連續(xù)的重新編程。換句話說，他們在沒有人的額外幫助的情況下，不斷提高自己在某項任務(wù)（例如，玩游戲）上的表現(xiàn)。機器學習被廣泛應(yīng)用于各個領(lǐng)域：藝術(shù)，科學，金融，醫(yī)療保健-隨您便說。并且有多種使機器學習的方法。有些簡單，例如基本的決策樹，有些則更復雜，涉及多層人工神經(jīng)網(wǎng)絡(luò)。后者發(fā)生在深度學習中。

機器學習不僅通過1959年亞瑟·薩繆爾（Arthur Samuel）的突破性計劃得以實現(xiàn)（使用相對簡單（按今天的標準）搜索樹作為主要驅(qū)動程序，他的IBM計算機在檢查人員中不斷得到改進），還通過Internet進行了改進。借助Internet，已經(jīng)創(chuàng)建并存儲了大量數(shù)據(jù)，并且這些數(shù)據(jù)可以提供給計算機系統(tǒng)以幫助他們“學習”。  

R機器學習和Python機器學習是當今使用的兩種流行方法。雖然我們不會在本文中討論特定的編程語言，但是如果您想更深入地研究R的機器學習和Python的機器學習，那么了解R或Python會很有幫助。

什么是深度學習？

一些人認為深度學習是機器學習的下一個前沿領(lǐng)域，即前沿技術(shù)的前沿。您可能尚未意識到深度學習計劃的結(jié)果！如果您曾經(jīng)看過Netflix，則可能已經(jīng)看過有關(guān)觀看內(nèi)容的建議。某些流音樂服務(wù)會根據(jù)您過去聽過的歌曲或您豎起大拇指或按“贊”按鈕選擇的歌曲來選擇歌曲。這些功能都基于深度學習。Google的語音識別和圖像識別算法也使用深度學習。

就像機器學習被視為AI的一種一樣，深度學習通常被認為是機器學習的一種，有人稱其為子集。機器學習使用諸如預測模型之類的簡單概念，而深度學習則使用旨在模仿人類思維和學習方式的人工神經(jīng)網(wǎng)絡(luò)。您可能還記得中學時代的生物學，人類大腦的主要細胞成分和主要計算元素是神經(jīng)元，每個神經(jīng)連接就像一臺小型計算機。大腦中的神經(jīng)元網(wǎng)絡(luò)負責處理各種輸入：視覺，感覺等。

在深度學習計算機系統(tǒng)中，就像在機器學習中一樣，輸入仍然會輸入到它們中，但是信息通常以龐大的數(shù)據(jù)集的形式出現(xiàn)，因為深度學習系統(tǒng)需要大量的數(shù)據(jù)來理解它并返回準確的結(jié)果。然后，人工神經(jīng)網(wǎng)絡(luò)根據(jù)數(shù)據(jù)提出一系列二元對/錯問題，涉及高度復雜的數(shù)學計算，并根據(jù)收到的答案對數(shù)據(jù)進行分類。 

因此，盡管機器學習和深度學習都屬于人工智能的一般分類，并且都從數(shù)據(jù)輸入中“學習”，但是機器學習和深度學習之間還是存在一些關(guān)鍵區(qū)別。

機器學習和深度學習之間的5個關(guān)鍵區(qū)別

人為干預

在機器學習系統(tǒng)中，人們需要根據(jù)數(shù)據(jù)類型（例如，像素值，形狀，方向）來識別并手動編碼應(yīng)用的特征，而深度學習系統(tǒng)會嘗試在沒有其他人工干預的情況下學習這些特征。 以面部識別程序為例。 該程序首先學習檢測和識別臉部的邊緣和線條，然后學習臉部的重要部分，最后學習臉部的整體表示。 這樣做涉及的數(shù)據(jù)量很大，并且隨著時間的流逝和程序自身的訓練，正確答案（即準確識別人臉）的可能性增加。 而且這種訓練是通過使用神經(jīng)網(wǎng)絡(luò)進行的，類似于人腦的工作方式，而無需人工重新編碼程序。

硬件

由于要處理的數(shù)據(jù)量以及所使用算法中涉及的數(shù)學計算的復雜性，與簡單的機器學習系統(tǒng)相比，深度學習系統(tǒng)需要更強大的硬件。用于深度學習的一種類型的硬件是圖形處理單元（GPU）。機器學習程序可以在低端機器上運行，而無需那么多計算能力。

時間

如您所料，由于深度學習系統(tǒng)需要大量數(shù)據(jù)，并且涉及的參數(shù)和數(shù)學公式復雜，因此深度學習系統(tǒng)可能需要花費大量時間進行訓練。機器學習可能要花幾秒鐘到幾小時，而深度學習可能要花幾小時到幾周。

方法

 機器學習中使用的算法傾向于將數(shù)據(jù)分解為多個部分，然后將這些部分組合起來以得出結(jié)果或解決方案。深度學習系統(tǒng)可以一口氣地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（例如它們的位置以及它們的位置，例如停車場中汽車上的牌照），則您必須通過兩個步驟來進行機器學習：首先是物體檢測，然后是物體識別。另一方面，使用深度學習程序，您將輸入圖像，并通過訓練，程序?qū)⒃谝粋€結(jié)果中返回識別出的對象及其在圖像中的位置。

應(yīng)用

您可能已經(jīng)發(fā)現(xiàn)機器學習和深度學習系統(tǒng)用于不同的應(yīng)用程序。使用它們的地方：基本的機器學習應(yīng)用程序包括預測程序（例如，預測股市價格或下一次颶風將在何時何地發(fā)生的價格），電子郵件垃圾郵件標識符，以及為醫(yī)學患者設(shè)計基于證據(jù)的治療計劃的程序。除了上面提到的Netflix，音樂流服務(wù)和面部識別的示例之外，深度學習的一種廣為宣傳的應(yīng)用是無人駕駛汽車-該程序使用多層神經(jīng)網(wǎng)絡(luò)來執(zhí)行諸如確定要避開的物體，識別交通等操作。燈亮，知道何時加速或減速。

關(guān)于慧都大數(shù)據(jù)分析平臺

慧都大數(shù)據(jù)分析平臺「GetInsight®」升級發(fā)布，將基于企業(yè)管理駕駛艙、產(chǎn)品質(zhì)量分析及預測、設(shè)備分析及預測等大數(shù)據(jù)模型的構(gòu)建，助力企業(yè)由傳統(tǒng)運營模式向數(shù)字化、智能化的新模式轉(zhuǎn)型升級，抓住數(shù)據(jù)經(jīng)濟的發(fā)展勢頭，提供管理效能，精準布局未來。了解更多，請。

慧都大數(shù)據(jù)專業(yè)團隊為企業(yè)提供商業(yè)智能大數(shù)據(jù)平臺搭建，免費業(yè)務(wù)咨詢，定制開發(fā)等完整服務(wù)，快速、輕松、低成本將任何Hadoop集群從試用階段轉(zhuǎn)移到生產(chǎn)階段。

歡迎撥打慧都熱線023-68661681或咨詢，我們有專業(yè)的大數(shù)據(jù)團隊，為您提供免費大數(shù)據(jù)相關(guān)業(yè)務(wù)咨詢！