Основные отличия между глубоким обучением (deep learning) и обычным машинным обучением:

1. Подход к обработке данных. 6 В машинном обучении используются разнообразные методы, которые часто ограничиваются небольшим числом слоёв. 6 Глубокое обучение оперирует глубокими нейронными сетями, создающими сложную иерархию признаков. 6
2. Извлечение признаков. 6 В машинном обучении это требует ручного вмешательства, в то время как глубокое обучение способно автоматически извлекать признаки на разных уровнях абстракции. 6
3. Объём данных. 6 Машинное обучение может быть эффективным с небольшими объёмами данных, в то время как глубокое обучение чаще требует больших объёмов данных для эффективного обучения из-за большого числа параметров. 6
4. Вычислительные ресурсы. 6 Машинное обучение может быть реализовано на менее мощных вычислительных структурах, в то время как глубокое обучение обычно требует мощных вычислительных ресурсов, таких как графические процессоры (GPU) или тензорные процессоры (TPU). 6
5. Подход к решению проблем. 1 Алгоритмы машинного обучения, как правило, анализируют данные по частям, затем эти части объединяются для получения результата или решения. 5 Системы глубокого обучения рассматривают всю проблему или сценарий одним махом. 5