機器學習：使用計算機系統利用經驗改善效能，是人工智慧領域的分支，也是實現人工智慧的一種手段。表徵學習關注如何自動找出表示資料的合適方式，以便更好地將輸入變換為正確的輸出。
深度學習：具有多級表示的表徵方法，在每一級（原始資料開始），通過簡單的函式將該級的表示變換為更高階的表示。可以將深度學習看作多個簡單函式復合而成的函式，當復合的函式足夠時，深度學習模型就可以表達非常複雜的變換。
深度學習可以逐級表示越來越抽象的概念或模式。以影象為例，輸入為原始畫素，可以逐級表示為特定位置或角度的邊緣、由邊緣組合得出的花紋、由多種花紋匯合得到的特定部位的模式，最終深度學習可以根據更高階的表示完成特定的任務，如影象識別中識別特定物體，過程如下圖所示。
特別指出，深度學習表示每一級資料的合適方式是通過自動找出的，不用通過人的干預進行完成。
與機器學習方法相比，深度學習的不同在於：
機器學習研究如何使計算機系統利用經驗改善效能，是人工智慧領域的分支，也是實現人工智慧的一種手段。
深度學習具有多級表示的表徵學習方法，可以逐級表示越來越抽象的概念和模式
歡迎關注我的部落格，我們一起學習進步！
reference：《動手學深度學習》，李沐
深度學習簡介
一 概念 1.是機器學習研究中的乙個新的領域，其動機在於建立，模擬人腦進行分析學習的神經網路，它模擬人腦的機制進行解釋資料，學習方法也分為監督學習和非監督學習兩種方式。2.深度學習成功的條件 大資料 大規模計算能力 複雜模型 高效演算法 二 適於解決的問題的特徵 1.深度不足會出現問題 2.人腦具有...
深度學習簡介
一 人工智慧 機器學習與深度學習 1.定義 2.傳統機器學習和深度學習流程對比 3.人工智慧 機器學習以及深度學習之間的關係 二 深度學習的應用 1.計算機視覺 影象識別 2.語音識別 3.自然語言處理 nlp 4.人機博弈 三 深度學習工具介紹和對比 一 人工智慧 機器學習與深度學習 1.定義 業...
深度學習簡介
深度學習是指多層神經網路上運用各種機器學習演算法解決影象 文字等各種問題的演算法集合。深度學習從大類上可以歸入神經網路，不過在具體實現上有許多變化。深度學習的核心是特徵學習，旨在通過分層網路獲取分層次的特徵資訊，從而解決以往需要人工設計特徵的重要難題。深度學習是乙個框架，包含多個重要演算法 conv...