深度學(xué)習(xí)的本質(zhì)是建立機(jī)器-2/模型有很多隱藏層和海量訓(xùn)練數(shù)據(jù)。所以，“深度 model”是手段，“feature 學(xué)習(xí)”是目的。與傳統(tǒng)的淺層學(xué)習(xí)和深度 學(xué)習(xí)不同之處在于:1)強(qiáng)調(diào)深度的模型結(jié)構(gòu)，通常有五個(gè)、六個(gè)甚至十個(gè)隱含層節(jié)點(diǎn)；2)特征學(xué)習(xí)的重要性被清晰地凸顯出來(lái)，即通過(guò)逐層特征變換，將樣本在原空間的特征表示轉(zhuǎn)化到新的特征空間，從而使分類或預(yù)測(cè)變得更容易。

是一個(gè)意思，節(jié)目由數(shù)據(jù)篩選對(duì)比。有人說(shuō)人工智能(AI)是未來(lái)，人工智能是科幻，人工智能也是我們?nèi)粘Ｉ畹囊徊糠?。這些評(píng)價(jià)都可以說(shuō)是正確的，就看你指的是哪種人工智能了。今年早些時(shí)候，GoogleDeepMind的AlphaGo擊敗了韓國(guó)圍棋大師李世九。當(dāng)媒體描述DeepMind的勝利時(shí)，人工智能(AI)、機(jī)器-2/(機(jī)器學(xué)習(xí))和深度學(xué)習(xí)(深度學(xué)習(xí))都用到了。

今天我們用同心圓這種最簡(jiǎn)單的方法，直觀地展示它們的關(guān)系和應(yīng)用。如上圖，人工智能是最早也是最大最外面的同心圓；其次是機(jī)器 學(xué)習(xí)，稍晚一點(diǎn)；最里面的部分是深度 學(xué)習(xí)，是當(dāng)今人工智能大爆炸的核心驅(qū)動(dòng)力。五十年代，人工智能一度被極度看好。后來(lái)，發(fā)展了一些更小的人工智能子集。先機(jī)器 學(xué)習(xí)，再深度 學(xué)習(xí)。深度 學(xué)習(xí)是機(jī)器 學(xué)習(xí)的子集。

Da 數(shù)據(jù)本質(zhì)上只是一個(gè)關(guān)于數(shù)據(jù) library的查詢。如果數(shù)據(jù) library不存在，計(jì)算機(jī)再先進(jìn)也無(wú)法計(jì)算。機(jī)器 學(xué)習(xí)表示計(jì)算機(jī)具有學(xué)習(xí)的功能，不必連接數(shù)據(jù)庫(kù)。阿爾法狗，包括早期的深藍(lán)，和人下棋時(shí)斷網(wǎng)，可以通過(guò)-1 學(xué)習(xí)賴學(xué)習(xí)人找到不同的解決方法。哦哦哦哦哦哦。Da 數(shù)據(jù)的前景很好，像Da 數(shù)據(jù)這樣的專業(yè)在一線城市比較好，師資跟得上，就業(yè)的工資比較可觀。學(xué)習(xí) Da 數(shù)據(jù)可以按照路線圖的順序。

人工智能，英文縮寫為AI，是研究和發(fā)展模擬、延伸和擴(kuò)展人類智能的理論、方法、技術(shù)和應(yīng)用系統(tǒng)的一門新技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)研究的一個(gè)重要分支，也是多學(xué)科的交叉學(xué)科。它試圖理解智能的本質(zhì)，并產(chǎn)生一種能夠以類似于人類智能的方式做出反應(yīng)的新型智能機(jī)器。該領(lǐng)域的研究包括語(yǔ)音識(shí)別、圖像識(shí)別、機(jī)器人、自然語(yǔ)言處理、智能搜索和專家系統(tǒng)。

數(shù)據(jù)data mining就是從海量數(shù)據(jù)“挖掘”隱藏的信息；數(shù)據(jù)挖掘中使用的一個(gè)重要方法是機(jī)器 學(xué)習(xí)(機(jī)器學(xué)習(xí))，即通過(guò)程序積累經(jīng)驗(yàn)，但是機(jī)器學(xué)習(xí)是另一種方法。而深度學(xué)習(xí)(深度學(xué)習(xí))是機(jī)器 學(xué)習(xí)的子集，即機(jī)器 學(xué)習(xí)是由一個(gè)復(fù)雜而龐大的神經(jīng)網(wǎng)絡(luò)進(jìn)行的。機(jī)器 學(xué)習(xí)是一門交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜性理論等學(xué)科。

深度學(xué)習(xí)和機(jī)器 學(xué)習(xí)最大的區(qū)別就是性能。機(jī)器 學(xué)習(xí)主要用于使機(jī)器使用智能，但是深度 學(xué)習(xí)是一個(gè)實(shí)現(xiàn)機(jī)器。如果數(shù)據(jù)的比值較小，則深度-2/的性能較差，因?yàn)樯疃?2/的算法必須有一個(gè)很大的數(shù)?？偟膩?lái)說(shuō)，人工智能是比較有話題性的，但是現(xiàn)在被人們或者使用人工智能的領(lǐng)域所熟知，也對(duì)這些領(lǐng)域產(chǎn)生了很大的影響。

1.數(shù)據(jù)依賴關(guān)系，深度 學(xué)習(xí)和機(jī)器 學(xué)習(xí)主要是性能上的不同。當(dāng)數(shù)據(jù)的量較小時(shí),深度-2/的性能并不好，因?yàn)樗惴ㄐ枰罅康纳疃?2/，2.硬件支持，深度 學(xué)習(xí)算法嚴(yán)重依賴高端電腦，而傳統(tǒng)的機(jī)器 學(xué)習(xí)算法可以在低端電腦上運(yùn)行。深度學(xué)習(xí)GPU需要進(jìn)行大量的矩陣乘法運(yùn)算，3.特征工程。特征工程就是將領(lǐng)域知識(shí)輸入到特征提取器中，以降低數(shù)據(jù)的復(fù)雜度。