大資料與深度學習有什麼區別？

簡單來說：

1）深度學習（deep learning）只是機器學習（machine learning）的一種類別，乙個子領域。機器學習 > 深度學習

2）大資料（big data）不是具體的方法，甚至不算具體的研究學科，而只是對某一類問題，或需處理的資料的描述。

2）深度學習（deep learning）是機器學習的乙個子類，一般特指學習高層數的網路結構。這個結構中通常會結合線性和非線性的關係。

3）大資料（big data，我們也叫他逼格資料....）是對資料和問題的描述。通常被廣泛接受的定義是3個v上的「大」：volume（資料量）, velocity（資料速度）還有variety（資料類別）。大資料問題（big-data problem）可以指那種在這三個v上因為大而帶來的挑戰。

volume很好理解。一般也可以認為是large-scale data。「大」可以是資料的維度，也可以是資料的size。一般claim自己是big-data的演算法會比較scalable，複雜度上對這兩個不敏感。

velocity就是資料到達的速度。對於資料高速到達的情況，需要對應的演算法或者系統要有效的處理。

variaty指的是資料的類別。以往的演算法或者系統往往針對某一種已知特定類別的資料來適應。而一般大資料也會指針對處理那些unstructured data或者multi-modal data，這就對傳統的處理方法帶來了挑戰。