深度學習和普通的機器學習有什么區(qū)別？一張圖片顯示了這種關(guān)系。機器學習是人工智能的重要領域之一，而深度學習是機器學習的一個分支。深度學習之所以近年來流行起來，是因為它突破了傳統(tǒng)機器學習無法解決的一些問題

深度學習和普通的機器學習有什么區(qū)別？

一張圖片顯示了這種關(guān)系。機器學習是人工智能的重要領域之一，而深度學習是機器學習的一個分支。深度學習之所以近年來流行起來，是因為它突破了傳統(tǒng)機器學習無法解決的一些問題。

機器學習的意義在于代替人工完成重復性工作，識別出統(tǒng)一的規(guī)則（模式）。但是對于傳統(tǒng)的機器學習來說，特征提取的難度不?。ㄌ卣骺梢允窍袼?、位置、方向等）。特征的準確性將在很大程度上決定大多數(shù)機器學習算法的性能。為了使特征準確，在特征工程部分需要大量的人力來調(diào)整和改進特征。完成這一系列工作的前提是，數(shù)據(jù)集中所包含的信息量是充分的，并且易于識別。如果不滿足這一前提，傳統(tǒng)的機器學習算法將在信息的雜亂中失去其性能。深度學習的應用正是基于這個問題。它的深層神經(jīng)網(wǎng)絡使它能夠在雜波中學習，自動發(fā)現(xiàn)與任務相關(guān)的特征（可以看作是自發(fā)學習的特征工程），并提取高級特征，從而大大減少了特征工程部分任務所花費的時間。

另一個明顯的區(qū)別是他們對數(shù)據(jù)集大小的偏好。傳統(tǒng)的機器學習在處理規(guī)則完備的小規(guī)模數(shù)據(jù)時表現(xiàn)出良好的性能，而深度學習則表現(xiàn)不好。隨著數(shù)據(jù)集規(guī)模的不斷擴大，深度學習的效果會逐漸顯現(xiàn)出來，并變得越來越好。對比如下圖所示。

人工智能專業(yè)包含神經(jīng)網(wǎng)絡么，考研東北大學，學校只有人工智能專業(yè)沒有神經(jīng)網(wǎng)絡專業(yè)，我該報人工智能么？

人工智能專業(yè)的主要研究內(nèi)容是如何利用機器智能（主要通過計算機技術(shù)）實現(xiàn)人的問題獲取、問題推理和問題解決。目前的研究領域包括通過機器視覺感知外界環(huán)境、機器聽覺、機器觸覺環(huán)境數(shù)據(jù)采集等。，通過機器學習和深度學習對數(shù)據(jù)進行分析和推理（基于神經(jīng)網(wǎng)絡模型的相關(guān)方法的研究是一個主要的研究方向）。問題的解決主要依靠計算機科學技術(shù)的軟硬件設計和軟件工程的算法實現(xiàn)。最后通過機電工程機械設計自動化設備系統(tǒng)解決了這一問題。東北大學已進入甲級學科，包括材料科學、計算機科學與技術(shù)、軟件工程和控制科學。因此，從總體上看，東北大學在人工智能方向上具有較強的實力。

人工智能專業(yè)是智能科學與技術(shù)的一個分支，神經(jīng)網(wǎng)絡只是目前智能領域機器學習和深度學習應用技術(shù)的典型模式。未來的發(fā)展將會有更多的模式和技術(shù)。因此，首先，神經(jīng)網(wǎng)絡不是一個專業(yè)方向，其次，在相關(guān)課程中學習并不比是否包含在內(nèi)更難，將來一定會發(fā)生。

統(tǒng)計和概率論應該是包括人工智能在內(nèi)的智能科學學習和發(fā)展最具影響力的基礎學科，因為目前人工智能的主要方向是機器學習和基于人類經(jīng)驗大數(shù)據(jù)的深度學習。

在所有有用的神經(jīng)網(wǎng)絡中，使用數(shù)量最多的“深度”神經(jīng)網(wǎng)絡是什么？

必須是VGg網(wǎng)絡模型。別問我為什么。我的訂閱號看看答案！