機器學習(machine learning, ml)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。它是人工智慧的核心，是使計算機具有智慧型的根本途徑，其應用遍及人工智慧的各個領域，它主要使用歸納、綜合而不是演繹。
深度學習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，它模仿人腦的機制來解釋資料，例如影象，聲音和文字。
兩者似乎都是在模擬人類行為，那麼有何不同呢？
機器學習一般的套路是人去構建特徵，然後選定乙個模型去訓練，最後**。這其中，特徵的選擇非常重要，筆者經常聽到的聲音是：是特徵而不是模型會對**的結果產生較大的影響！出現這種情況的原因是人對要**的東西本身還不夠了解，也可以說是沒有發現問題的本質：到底是哪些因素真正影響了**的結果！這些因素沒有被挖掘出來，是不可能構建乙個逼真的模型來去模擬現實世界中這些事物（已知資料與未知資料）的內在聯絡的。
深度學習一般指的是深度神經網路，在筆者看來，其與機器學習的不同之處在於不需要人去發現特徵，而是直接將資料餵給機器，由機器自主完成歸納與抽象的過程，它避免了人的認知的侷限性，這是多麼偉大的乙個進步！深度學習**於機器學習卻又高於機器學習，這本身就是否定之否定規律的又一次完美實踐，我期待著乙個新的學習方法能夠完成對深度學習的否定，受限於自身經驗，下一次的否定不確定是否是一台生物計算機，但筆者堅信，生物計算機必將成為否定之否定規律螺旋上公升的邏輯結構中的一環！
從研發角度談儲存技術的學習
對於研發人員，儲存技術的學習內容非常之多。我根據自己的理解，把它們大致分為以下8項內容 1 系統管理 unix linux windows作業系統管理，要求熟悉甚至精通。2 開發技術 c c 網路程式設計，多程序 多執行緒，程序間通訊。如果能掌握核心開發 驅動程式開發則更佳。3 儲存基礎 磁碟 ra...
從研發角度談儲存技術的學習
對於研發人員，儲存技術的學習內容非常之多。我根據自己的理解，把它們大致分為以下8項內容 1 系統管理 unix linux windows作業系統管理，要求熟悉甚至精通。2 開發技術 c c 網路程式設計，多程序 多執行緒，程序間通訊。如果能掌握核心開發 驅動程式開發則更佳。3 儲存基礎 磁碟 ra...
從研發角度談儲存技術的學習
對於研發人員，儲存技術的學習內容非常之多。我根據自己的理解，把它們大致分為以下8項內容 1 系統管理 unix linux windows作業系統管理，要求熟悉甚至精通。2 開發技術 c c 網路程式設計，多程序 多執行緒，程序間通訊。如果能掌握核心開發 驅動程式開發則更佳。3 儲存基礎 磁碟 ra...