1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~
深度學習和機器學習的區別是什麼
2樓：匿名使用者
兩者不是同一個level上的，深度學習是機器學習的一種。
最近火的發紫的深度學習實際上指的的深度神經網路學習，普通神經網路由於訓練代價較高，一般只有3-4層，而深度神經網路由於採用了特殊的訓練方法加上一些小trick，可以達到8-10層。深度神經網路能夠捕捉到資料中的深層聯絡，從而能夠得到更精準的模型，而這些聯絡不容易被普通的機器學習方法所發覺。
3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。
4樓：連麗君
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。chris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。
希望有幫助到你`
ai，機器學習和深度學習之間的區別是什麼
5樓：愛喝可樂小兔砸
用三層圓環舉例
人工智慧是最大的圈
機器學習是在人工智慧中間的圈
深度學習是在機器學習中間的圈
6樓：llte啦啦
機器學習是ai的一個子領域。這裡的核心原則是機器為自己提供資料和「學習」。它目前是企業ai工具包中最有前途的工具。
ml系統可以快速應用來自大型資料集的知識和培訓，擅長面部識別，語音識別，物體識別，翻譯以及許多其他任務。與手動編寫具有特定指令的軟體程式來完成任務不同，ml允許系統學習識別模式並進行**。
7樓：夢逍遙
機器學習與深度學習的比較
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。
8樓：esc__殤
深度學習是他們兩個最終研究的核心學術
9樓：kf寬泛科技
機器學習是一種實現人工智慧的方法，深度學習是一種實現機器學習的技術。我們就用最簡單的方法——同心圓，視覺化地展現出它們三者的關係。
目前，業界有一種錯誤的較為普遍的意識，即「深度學習最終可能會淘汰掉其他所有機器學習演算法」。這種意識的產生主要是因為，當下深度學習在計算機視覺、自然語言處理領域的應用遠超過傳統的機器學習方法，並且**對深度學習進行了大肆誇大的報道。
深度學習，作為目前最熱的機器學習方法，但並不意味著是機器學習的終點。起碼目前存在以下問題：
1. 深度學習模型需要大量的訓練資料，才能展現出神奇的效果，但現實生活中往往會遇到小樣本問題，此時深度學習方法無法入手，傳統的機器學習方法就可以處理；
2. 有些領域，採用傳統的簡單的機器學習方法，可以很好地解決了，沒必要非得用複雜的深度學習方法；
3. 深度學習的思想，**於人腦的啟發，但絕不是人腦的模擬，舉個例子，給一個三四歲的小孩看一輛自行車之後，再見到哪怕外觀完全不同的自行車，小孩也十有**能做出那是一輛自行車的判斷，也就是說，人類的學習過程往往不需要大規模的訓練資料，而現在的深度學習方法顯然不是對人腦的模擬。
cloudhin®雲軒專注deep learning和高效能運算伺服器定製，針對主要深度學習框架（如tensorflow、caffe 2、theano或torch）進行了優化和設定，在桌面上即可提供強大的深度學習功能。
10樓：匿名使用者
《智慧問答與深度學習》chatoperaceo王海良著，對學習智慧問答的朋友很有用！強烈推薦！
人工智慧，機器學習與深度學習，到底是什麼關係 5
11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。
人工智慧，機器學習，深度學習，到底有何區別 20
12樓：匿名使用者
都是一個意思,程式經過大資料進行篩選對比分析
深度學習和人工智慧之間有關係嗎,深度學習和人工智慧之間是什麼樣的關係
機器學習和深度學習是人工智慧的核心課程。深度學習是人工智慧的一個分支,準確的說人工智慧背後的技術包括深度學習,像自動駕駛裡面就包含深度學習中的卷積神經網路。深度學bai習屬於人工智慧的前沿技術du,是機器學zhi習研究中的一個子dao集,是一種實內現機器學習的技 術,通過組合低層容特徵形成更加抽象的...
人工智慧怎麼學習,學習人工智慧有什麼用
學人工智慧好玩，而且高薪，可以在這邊來看看，作個比較 普通人學習人工智慧有什麼意義?當前瞭解和學習人工智慧的重要性和意義是什麼？有人說本科學習人工智慧專業沒什麼意義，學不到什麼東西，確實是這樣嗎 人工智慧怎麼學習 工智慧專業主要學的是核心課程包括 數學 統計 計算機 自動化等,這些學科都屬於人工智慧...
學習人工智慧有什麼要求嗎，人工智慧學習有什麼要求
人工智慧其本身又分為多個方面如神經網路 機器識別 機器視覺 機器人等。對於人工智慧在程式設計方面需要多深的要求。無論c 還是彙編他都是一門語言主要會靈活運用。大多機器人 都用的混合程式設計模式，也就是運用多種程式設計軟體及語言組合使用。之所以這樣是為了彌補語言間的不足。prolog在邏輯演繹方面比突...