В чем отличие между deep learning и обычным машинным обучением?

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

1. Подход к обработке данных. qudata.com В машинном обучении используются разнообразные методы, которые часто ограничиваются небольшим числом слоёв. qudata.com Глубокое обучение оперирует глубокими нейронными сетями, создающими сложную иерархию признаков. qudata.com
2. Извлечение признаков. qudata.com В машинном обучении это требует ручного вмешательства, в то время как глубокое обучение способно автоматически извлекать признаки на разных уровнях абстракции. qudata.com
3. Объём данных. qudata.com 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. qudata.com
4. Вычислительные ресурсы. qudata.com 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). qudata.com
5. Подход к решению проблем. www.analyticsvidhya.com Алгоритмы машинного обучения, как правило, анализируют данные по частям, затем эти части объединяются для получения результата или решения. blog.ai-mix.ru Системы глубокого обучения рассматривают всю проблему или сценарий одним махом. blog.ai-mix.ru