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. {6-host} В машинном обучении используются разнообразные методы, которые часто ограничиваются небольшим числом слоёв. {6-host} Глубокое обучение оперирует глубокими нейронными сетями, создающими сложную иерархию признаков. {6-host}
2. Извлечение признаков. {6-host} В машинном обучении это требует ручного вмешательства, в то время как глубокое обучение способно автоматически извлекать признаки на разных уровнях абстракции. {6-host}
3. Объём данных. {6-host} 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-host}
4. Вычислительные ресурсы. {6-host} 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-host}
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