AI深度学习与机器学习

由于深度学习和机器学习往往可以互换使用，因此值得注意的是两者之间的细微差别。如上所述，深度学习和机器学习都是人工智能的子领域，而深度学习实际上是机器学习的一个子领域。 AI、ML 和 DL 如何相互关联的视觉表示   深度学习实际上是由神经网络组成的。深度学习中的“深度”是指由三层以上组成的神经网络——包括输入和输出——可以被认为是一种深度学习算法。这通常使用下图表示： 深度神经网络示意图 深度学习和机器学习的不同之处在于每种算法的学习方式。深度学习使该过程的大部分特征提取部分自动化，消除了一些所需的人工干预，并允许使用更大的数据集。您可以将深度学习视为“可扩展的机器学习”，正如 Lex Fridman 在上面的同一场 MIT 讲座中所指出的那样。经典的或“非深度”的机器学习更依赖于人工干预来学习。人类专家确定特征的层次结构以了解数据输入之间的差异，通常需要更多结构化数据来学习。 “深度”机器学习可以利用标记数据集（也称为监督学习）来为其算法提供信息，但它不一定需要标记数据集。它可以提取原始形式的非结构化数据（例如文本、图像），并且可以自动确定区分不同类别数据的特征的层次结构。与机器学习不同，它不需要人工干预来处理数据，从而使我们能够以更有趣的方式扩展机器学习。