1樓：中公教育it優就業
一、機器學習是人工智慧技術的補充，有如下幾種常用演算法：
find-s
決策樹隨機森林演算法
神經網路
機器學習演算法通常分為以下三大類：有監督學習：需要從有標籤的資料中學到或者建立一個模式。
無監督學習：資料是無標籤的，機器學習演算法需要先將資料分類，然後對資料結構進行描述，使複雜的資料看起來簡單，以便進行後續分析工作。
強化學習：與監督學習相似，通過不斷地探索學習，從而獲得一個好的策略。
二、機器學習和深度學習的關係深度學習（深度神經網路）是機器學習的一部分，和機器學習其他模型的適用場景不同。不過單層的非深度神經網路和其他模型作用類似，只是效果未必比其他模型好。
2樓：重慶千鋒教育
機器學習(machine learning，ml)是人工智慧的子領域，也是人工智慧的核心。它囊括了幾乎所有對世界影響最大的方法(包括深度學習)。機器學習理論主要是設計和分析一些讓計算機可以自動學習的演算法。
深度學習(deeplearning，dl)屬於機器學習的子類。它的靈感**於人類大腦的工作方式，是利用深度神經網路來解決特徵表達的一種學習過程。深度神經網路本身並非是一個全新的概念，可理解為包含多個隱含層的神經網路結構。
為了提高深層神經網路的訓練效果，人們對神經元的連線方法以及啟用函式等方面做出了調整。其目的在於建立、模擬人腦進行分析學習的神經網路，模仿人腦的機制來解釋資料，如文字、影象、聲音。
1、應用場景
機器學習在指紋識別、特徵物體檢測等領域的應用基本達到了商業化的要求。
深度學習主要應用於文字識別、人臉技術、語義分析、智慧監控等領域。目前在智慧硬體、教育、醫療等行業也在快速佈局。
2、所需資料量
機器學習能夠適應各種資料量，特別是資料量較小的場景。如果資料量迅速增加，那麼深度學習的效果將更加突出，這是因為深度學習演算法需要大量資料才能完美理解。
3、執行時間
執行時間是指訓練演算法所需要的時間量。一般來說，深度學習演算法需要大量時間進行訓練。這是因為該演算法包含有很多引數，因此訓練它們需要比平時更長的時間。
相對而言，機器學習演算法的執行時間更少。
4、解決問題的方法
機器學習演算法遵循標準程式以解決問題。它將問題拆分成數個部分，對其進行分別解決，而後再將結果結合起來以獲得所需的答案。深度學習則以集中方式解決問題，而不必進行問題拆分。
3樓：ai科普教育
機器學習與深度學習的區別？
深度學習和機器學習是什麼關係？
4樓：匿名使用者
深度學習是機copy器學習的一個領域
深度學習以神經網路模型為基礎，難度比較大
目前深度學習裡面的成熟模型很多，cnn rnn gan transformer 等等
自然語言處理有bert
現在很多智慧領域已經唯深度學習技術不用了
深度學習是什麼，ai人工智慧，機器學習和深度學習之間有什麼區別？
5樓：匿名使用者
先說人工
抄智慧ai， 人工智慧襲是一個綜合學科，以模擬人類第智慧行為為目標，集合一系列已有理論的學科。路線沒有固定
目前人工智慧最佳實踐路徑是機器學習方法
機器學習方法是通過資料來調優模型，達到解決問題第精度， 這就等價於模擬人解決問題了。
深度學習是機器學習裡面第一個方向，深度學習以神經網路為模型，目前效果最好第機器學習方向~
人工智慧，機器學習與深度學習，到底是什麼關係 5
6樓：西線大資料培訓
一、人工智慧
人工智慧(artificial intelligence)，英文縮寫為ai。它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧是電腦科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括語音識別、影象識別、機器人、自然語言處理、智慧搜尋和專家系統等。
人工智慧可以對人的意識、思維的資訊過程的模擬。人工智慧不是人的智慧，但能像人那樣思考、也有可能超過人的智慧。
二、資料探勘
資料探勘(data mining)，顧名思義就是從海量資料中「挖掘」隱藏資訊，按照教科書的說法，這裡的資料是「大量的、不完全的、有噪聲的、模糊的、隨機的實際應用資料」，資訊指的是「隱含的、規律性的、人們事先未知的、但又是潛在有用的並且最終可理解的資訊和知識」。在商業環境中，企業希望讓存放在資料庫中的資料能「說話」，支援決策。所以，資料探勘更偏向應用。
三、機器學習
機器學習(machine learning)是指用某些演算法指導計算機利用已知資料得出適當的模型，並利用此模型對新的情境給出判斷的過程。
機器學習的思想並不複雜，它僅僅是對人類生活中學習過程的一個模擬。而在這整個過程中，最關鍵的是資料。
任何通過資料訓練的學習演算法的相關研究都屬於機器學習，包括很多已經發展多年的技術，比如線性迴歸(linear regression)、k均值(k-means，基於原型的目標函式聚類方法)、決策樹(decision trees，運用概率分析的一種**法)、隨機森林(random forest，運用概率分析的一種**法)、pca(principal component analysis，主成分分析)、svm(support vector machine，支援向量機)以及ann(artificial neural networks，人工神經網路)。
四、深度學習
深度學習(deep learning)的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現資料的分散式特徵表示。
深度學習是機器學習研究中的一個新的領域，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。
五、人工智慧與機器學習、深度學習的關係
嚴格意義上說，人工智慧和機器學習沒有直接關係，只不過目前機器學習的方法被大量的應用於解決人工智慧的問題而已。目前機器學習是人工智慧的一種實現方式，也是最重要的實現方式。
早期的機器學習實際上是屬於統計學，而非電腦科學的;而二十世紀九十年代之前的經典人工智慧跟機器學習也沒有關係。所以今天的ai和ml有很大的重疊，但並沒有嚴格的從屬關係。
不過如果僅就計算機系內部來說，ml是屬於ai的。ai今天已經變成了一個很泛泛的學科了。
深度學習是機器學習現在比較火的一個方向，其本身是神經網路演算法的衍生，在影象、語音等富**的分類和識別上取得了非常好的效果。
所以，如果把人工智慧與機器學習當成兩個學科來看，三者關係如下圖所示：
如果把深度學習當**工智慧的一個子學科來看，三者關係如下圖所示
六、資料探勘與機器學習的關係
資料探勘主要利用機器學習界提供的技術來分析海量資料，利用資料庫界提供的技術來管理海量資料。
機器學習是資料探勘的一種重要方法，但機器學習是另一門學科，並不從屬於資料探勘，二者相輔相成。
什麼是機器學習？與資料探勘、深度學習有什麼區別？
深度學習和機器學習到底是什麼？
7樓：中公教育it優就業
簡單來說，機器學習是實現人工智慧的方法，深度學習是實現機器學習的技術。機器學習在實現人工智慧時中需要人工輔助（半自動），而深度學習使該過程完全自動化
三者關係：
舉個例子：通過機器學習演算法來識別水果是橘子還是蘋果，需要人工輸入水果的特徵資料，生成一定的演算法模型，進而可以準確**具有這些特徵的水果的型別，而深度學習則能自動的去發現特徵進而判斷。
8樓：匿名使用者
網路上那麼多深度學習的資料，學習了很多之後還是懵懵懂懂的。我建議你可以聽下菜鳥窩的人工智慧免費公開課，他們老師通過橫向對比的方式，讓你瞭解一個普通的程式和機器學習演算法的相同點/差別點是什麼？對於程式而言就是要一個準確的結果，而對於機器學習而言我們要的是規則。
機器學習有聚類演算法和分類演算法，這是常見的一些機器學習演算法。網路上大多數資料都顯示深度學習只是機器學習的一種特殊型別，今天我們從另一個角度來看，其實深度學習是另外一類演算法的集合，深度學習的核心是網路深度和網路結構。網路深度是一個相對概念，沒有說一個隱藏層要大於多少才算深度學習。
深度學習的另外一個核心是網路結構：深度自信網路、神經網路、迴圈網路、卷積網路都各自是一種結構。按照結構的不同，有不同的分類，比如lstm、resnet都是一種特殊的結構，而不是一種特殊的演算法。
lstm是深度學習演算法領域中的一種網路結構，千萬不要理解為一種演算法。
9樓：
深度學習包含在機器學習中，也是機器學習的一種
10樓：大太陽
深度學習包含在機器學習中，也是機器學習的一種。深度學習模型自己提取特徵，輸入影象進行訓練，而機器學習需要人為提取特徵，即提取影象的特徵篩選後訓練模型。在大量資料的情況下，深度學習效果很好，可以完成很多高難任務。
是當下火熱的也是效果最好的，但是對硬體要求高資料量需求大。機器學習硬體需求低，小資料情況可以得到較好的模型。
11樓：esc__殤
深度學習就是更深入的學習機器語言
12樓：匿名使用者
機器學習——實現人工智慧的一種方式
深度學習——一種實現機器學習的技術
機器學習和深度學習的區別是什麼，機器學習演算法和深度學習的區別？
環球青藤 現在有很多人對機器學習和深度學習的概念並不是很明白，其實深度學習是機器學習中的一部分，而機器學習是深度學習的基礎，這兩個知識體系都是服務於人工智慧的。在這篇文章中我們給大家介紹一下關於機器學習和深度學習的區別，希望這篇文章能夠幫助大家理解機器學習和深度學習。那麼什麼是機器學習呢？一般來說，...
python的機器學習是什麼，學習機器學習,必須要用python嗎
大資料小庫 可以算很有關係，因為現在大眾說的人工智慧 指的是自動化，在計算機領域 機器學習就是通過資料來學模型，自動做 的 機器學習是資料分析更上一層樓的任務，如果你能學號資料分析，那應該也能學得來機器學習 python有很完善的機器學習工具包 就叫sklearn 如果有興趣不妨學一下。機器學習和普...
機器學習可以代替人類學習嗎，機器學習和人類的區別是什麼
花梔丨 機器學習是，經過大量資料訓練以及演算法優化以後，計算機可以得出更貼合人常識的結論。人類學習是，通過接觸環境或者知識來的 也可以說是 資料 得出自己的結論。人類也有自己的 演算法 每個人興許還不怎麼相同，這換成另一個名詞可能叫做 天賦 機器學習就像是特定環境下的人類學習，譬如圍棋。事實證明，經...