機器學習與深度學習

在本章中，我們將討論機器和深度學習概念之間的主要區別。

數據量

機器學習使用不同數量的數據，主要用於少量數據。另一方面，如果數據量迅速增加，深度學習可以有效地工作。下圖描繪了機器學習和深度學習在數據量方面的工作 -

硬體依賴

與傳統的機器學習演算法相反，深度學習演算法設計為在很大程度上依賴於高端機器。深度學習演算法執行大量矩陣乘法運算，這需要巨大的硬體支持。

特色工程

特徵工程是將領域知識放入指定特徵的過程，以降低數據的複雜性並製作學習演算法可見的模式。

例如，傳統的機器學習模式關注於特徵工程過程所需的像素和其他屬性。深度學習演算法專注於數據的高級特徵。它減少了為每個新問題開發新功能提取器的任務。