福州iphone6手机电池更换_机器学习和深度学习的 5 个关键区别

在本系列的前一篇文章之后，福州iphone6手机电池更换机器学习和深度学习之间有什么区别?讨论完之后，我将继续讨论今天两者之间的更多区别。

前言

大多数人没有意识到机器学习是人工智能(AI)的一种，它诞生于1950年代。 1959年，亚瑟·塞缪尔(Arthur Samuel)编写了第一个计算机学习程序。在此程序中，IBM计算机播放跳棋的时间越长，效果越好。快进到今天，当人工智能不仅是最先进的技术时，相关工作的薪水也很高而且令人兴奋。机器学习工程师的需求量很大，而且数据科学家和软件工程师都不具备机器学习领域所需的技能。公司需要精通这两个领域的专业人员，但他们既不胜任数据科学家的工作，也不胜任软件工程师的工作。这群人是机器学习工程师。

“人工智能”，“机器学习”和“深度学习”这三个词通常可以互换使用，但是如果您考虑从事人工智能事业，那么了解两者之间的区别很重要。

根据牛津生活词典，人工智能是“能够执行通常需要人类智力的任务的计算机系统的理论和发展，例如视觉感知，语音识别，决策和语言之间的翻译。”尽管它们可能被称为“智能”，但某些人工智能计算机系统无法自行学习;这就是机器学习和深度学习出现的地方。

让我们深入讨论什么是机器学习和深度学习，以及机器学习和深度学习之间的区别。

什么是机器学习?

通过机器学习，计算机系统通过编程来学习输入数据，而无需重复编程。换句话说，他们不断提高自己在任务上的表现，例如在没有任何人帮助的情况下玩游戏。机器学习广泛应用于艺术，科学，金融，医学和其他领域。有多种进行机器学习的方法。有些很简单，例如基本的决策树。其他的则更为复杂，涉及多层人工神经网络。后者发生在深度学习中，我们将在后面讨论。

机器学习之所以成为可能，不仅因为亚瑟·塞缪尔(Arthur Samuel)在1959年的突破性计划使用了相对简单的(按今天的标准)搜索树作为其主要驱动力。 IBM计算机的检查器继续改进。

互相感谢通过联网，可以创建和存储大量数据，并且可以将这些数据提供给计算机系统以帮助它们“学习”。使用Python进行机器学习是当今最受欢迎的方法。

什么是深度学习?

有人认为深度学习是机器学习的下一个前沿领域，也是最前沿的领域。如果您已经看过Netflix，则某些流音乐服务会根据您过去听过的歌曲或您喜欢的歌曲来推荐要观看的内容。这些能力是建立在深入学习的基础上的。 Google的语音识别和图像识别算法也使用深度学习。

就像机器学习被认为是人工智能的一种一样，深度学习通常被认为是机器学习的一种，有人将其称为子集。尽管机器学习使用诸如预测模型之类的简单概念，但深度学习使用旨在模拟人类思维和学习的人工神经网络。您可能还记得，在高中生物学中，人脑的主要细胞成分和主要计算元素是神经元，每个神经连接都像一台小型计算机。大脑中的神经元网络负责处理各种输入：视觉，感觉等。

像机器学习一样，在深度学习计算机系统中，数据仍然被输入，但是信息通常以庞大的数据集的形式出现，因为深度学习系统需要大量的数据来理解才能返回准确的结果。然后，人工神经网络根据数据提出一系列二元真假问题，涉及高度复杂的数学计算，并根据获得的答案对数据进行分类。

因此，福州iphone6手机电池更换尽管机器学习和深度学习都属于人工智能的一般分类，并且两者都是从数据输入中“学习”的，但两者之间存在一些关键区别。

机器学习和深度学习之间的5个关键区别

1 人为干预

与机器学习系统不同，在机器学习系统中，人类需要根据数据类型(例如，像素值，形状，方向)识别并手动编码应用程序功能，而深度学习系统将尝试在没有其他人工干预的情况下学习这些功能。以人脸识别程序为例。该程序首先学习检测和识别脸部的边缘和线条，然后学习脸部的重要部分，最后学习脸部的整体表示。这样做涉及的数据量很大，并且随着时间的流逝和程序本身的训练，获得正确答案(即准确识别面部)的可能性将增加。这种训练是通过使用神经网络进行的，类似于人脑的工作方式，而无需人们重新编码程序。

2 硬件

由于要处理的数据量以及所使用算法中涉及的数学计算的复杂性，与简单的机器学习系统相比，深度学习系统需要更强大的硬件。用于深度学习的一种类型的硬件是图形处理单元(gpu)。机器学习程序可以在没有那么多计算能力的低端机器上运行。

3 时间

如您所料，由于深度学习系统需要大量数据集，并且涉及太多参数和复杂的数学公式，因此深度学习系统可能需要花费大量时间进行训练。机器学习可能只需要几秒钟到几小时，而深度学习则可能需要几小时到几周!

4 方法

机器学习中使用的算法倾向于解析部分数据，然后将这些部分组合以获得结果或解决方案。深度学习系统可以立即解决整个问题或场景。例如，如果您希望程序识别图像中的特定对象(例如，它们的位置以及它们在停车场的车牌上的位置)，则必须使用机器学习来完成两个步骤：首先，对象检测，然后是对象识别。但是，使用深度学习程序，您将输入图像，并且通过训练，该程序将一次获得识别出的对象及其在图像中的位置。

5 应用

考虑到上述所有其他差异，您可能已经知道机器学习和深度学习系统已在不同的应用程序中使用。它们的用途：基本的机器学习应用程序包括预测程序(例如预测股票市场价格或下一次飓风将在何时何地发生)，垃圾邮件标识符，以及为医学患者设计基于证据的治疗计划。

对于深度学习，除了上述Netflix，音乐流服务和面部识别的示例外，深度学习的广泛推广的应用是自动驾驶。这些程序使用多层神经网络来确定要避开的物体，识别交通信号灯以及何时加速或减速。

机器学习和深度学习的未来趋势

机器学习和深度学习的未来蕴含着无限的可能性!越来越多的机器人不仅用于制造业，而且还可以通过其他方式改善我们的日常生活。医疗行业也可能会发生变化，因为深度学习可帮助医生更早地预测或发现癌症，从而挽救生命。在金融领域，机器学习和深度学习可以帮助公司乃至个人省钱。进行更明智的投资并更有效地分配资源。

这三个领域只是机器学习和深度学习未来趋势的开始。福州iphone6手机电池更换许多需要改进的地方仍然只是我们想象中的火花。