深度學習和機器學習最大的差別就是「效能」；機器學習主要是用來讓機器擁用智能，可是深度學習則是一種實現機器學習的技術，而深度學習也是機器學習的一種。
本文操作環境：Windows7系統、DELL G3電腦
學習和機器學習的差別是什麼？
深度學習和機器學習最大的差別就是效能。
機器學習主要是用來讓機器擁用智能，可是深度學習則是實現機器學習的技術，而深度學習也是機器學習的一種。如果資料量比較少的時候，那麼深度學習的表現就比較的差，這是由於深度學習演算法必須要有大量的資料才可以很好的理解其中的模式。
通常來說人工智慧是比較有話題度的，可是現在被人們所熟知還是使用人工智慧的領域，也對這些領域產生了很大的影響。因為運用人工智慧的重點性，已經開發出來的系統除了能夠模擬人的思考過程，還可以從處理資料中學習知識，而這種現象就是機器學習。
1.資料依賴，深度學習與機器學習的主要差異在於效能。當資料量很少的時候，深度學習的表現並不好，因為深度學習演算法需要大量資料才能很好地理解其中蘊含的模式。
2.硬體支持，深度學習演算法嚴重依賴高階機，而傳統的機器學習演算法在低階機上就能運作。深度學習需要 GPUs 進行大量的矩陣乘法運算。
3.特徵工程，特徵工程就是將領域知識輸入特徵提取器，降低資料複雜度。從時間和專業性來講，這個過程開銷很高。
4.解決方案，通常，我們使用傳統的演算法來解決問題。這需要將問題化整為零，分別解決，得到結果後再組合。
5.執行時間，由於深度學習中含有非常多的參數，較機器學習而言會耗費更多的時間。機器學習在訓練資料的時候費時較少，同時只需幾秒鐘到幾小時。
而主要的應用場景則是：
電腦視覺：車牌識別，人臉辨識。
資訊檢索：搜尋引擎，文字檢索，影像檢索。
行銷：自動電子郵件行銷，目標識別。
醫療診斷：癌症檢測，異常檢測。
自然語言處理：語意分析，照片標記，線上廣告投放。
如果從展望來看的話，那則主要是：
1．機器學習和資料科學發展勢頭強勁，對想要生存下來的企業來說，在業務中使用機器學習就變得越重要。
2．深度學習已被證明是現有技術中最先進的技術之一，它給人們帶來了無限多的驚喜，未來相信也會如此。
3．研究學者們仍在不斷探索機器學習和深度學習。過去，對於二者的研究只限於學術範圍，現在工業界也加強了對其的研究力道。
最好的證明就是影像識別，它越來越成為 AI 領導的領域。系統可以被設計為操縱預先編寫的例程，該例程分析圖片中的形狀，顏色和對象，掃描數百萬個圖像以便教導自己如何正確地識別圖像。
更多相關知識，請造訪常見問題欄位！
以上是深度學習和機器學習的差別是什麼的詳細內容。更多資訊請關注PHP中文網其他相關文章！
