EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
什么是机器学习? 通过机器学习,计算机系统通过编程来学习输入的数据,而不需要重复编程。换言之,他们不断地提高自己在任务上的表现,例如,在没有人帮助下玩游戏。机器学习被广泛应用于艺术、科学、金融、医疗等领域。有不同的方法让机器学习。有些是简单的,如一个基本的决策树;有些则要复杂得多,涉及多层人工神经网络。后者发生在深度学习中,我们一会儿再谈。
. |3 I% A& M& ^ 机器学习之所以成为可能,不仅仅是因为亚瑟·塞缪尔(ArthurSamuel)在1959年的突破性计划,使用了一个相对简单(按今天的标准)的搜索树作为其主要驱动程序,他的IBM计算机在跳棋方面不断得到改进。
$ \% P; q% W. @# {1 @3 M! }' q; d多亏了互联网,大量的数据被创建和存储,这些数据可以提供给计算机系统,帮助他们“学习”。使用Python进行机器学习是当今最流行的方法。 " c K7 W0 K& S1 \! T: }; y7 h, T" n
什么是深度学习? 有人认为深度学习是机器学习的下一个前沿,是最前沿的前沿。如果你看过Netflix,一些流媒体音乐服务会根据你过去听过的歌曲,或你点赞过的歌曲,为你推荐观看的内容。这些能力都建立在深入学习的基础上。谷歌的语音识别和图像识别算法也使用深度学习。
2 S4 m6 Z" o0 K. i4 E2 T1 N 正如机器学习被认为是人工智能的一种类型,深度学习通常被认为是机器学习的一种类型,有人称之为子集。虽然机器学习使用简单的概念,如预测模型,深度学习使用人工神经网络,旨在模仿人类的思维和学习方式。你可能还记得高中生物学中,人脑的主要细胞成分和主要计算元素是神经元,每个神经连接就像一台小型计算机。大脑中的神经元网络负责处理各种输入:视觉、感觉等。 ; M% M1 z. C9 j# l s1 o0 @
与机器学习一样,在深度学习的计算机系统中,还是一样被喂数据,但是信息往往是以巨大的数据集的形式存在的,因为深度学习系统需要大量的数据来理解,才能返回准确的结果。然后,人工神经网络根据数据提出一系列二元真/假问题,涉及高度复杂的数学计算,并根据得到的答案对数据进行分类。
) _( v& R4 g6 d) o' F3 [因此,尽管机器学习和深度学习都属于人工智能的一般分类,而且都是从数据输入中“学习”,但两者之间有一些关键的区别。
4 L p! T& w3 d机器学习和深度学习的5个关键区别 1 i& J9 ~% b6 C4 Y6 s/ \# d! E3 m" o. y
1人为干预 不像在机器学习系统中,人类需要根据数据类型(例如,像素值、形状、方向)识别和手工编码应用的特征,深度学习系统会试图在不需要额外人工干预的情况下学习这些特征。以人脸识别程序为例,程序首先学习检测和识别人脸的边缘和线条,然后学习人脸的更重要部分,最后学习人脸的整体表示。这样做所涉及的数据量是巨大的,随着时间的推移和程序本身的训练,得到正确答案的概率(即准确识别人脸)便会增加。这种训练是通过使用神经网络进行的,类似于人脑的工作方式,不需要人重新编码程序。 0 {& J, M/ G1 C1 O
2硬件 由于要处理的数据量和所用算法中涉及的数学计算的复杂性,深度学习系统比简单的机器学习系统需要更强大的硬件。一种用于深度学习的硬件是图形处理单元(gpu)。机器学习程序可以在低端机器上运行,不需要那么多算力。 ! P4 ~1 E7 F. t: i! q7 P6 u$ J6 k
3时间 如您所料,由于深度学习系统需要大量的数据集,而且涉及到太多的参数和复杂的数学公式,因此深度学习系统可能需要花费大量的时间来训练。机器学习可能只需要几秒钟到几个小时,而深度学习可能需要几个小时到几个星期!
5 c1 Z, K q; ~4方法 机器学习中使用的算法倾向于对数据进行部分解析,然后将这些部分结合起来得到结果或解决方案。深度学习系统可以一下子解决整个问题或场景。例如,如果您想要一个程序来识别图像中的特定对象(例如,它们是什么以及它们在停车场汽车牌照上的位置),您就必须通过机器学习完成两个步骤:首先是对象检测,然后是对象识别。但是,使用深度学习程序,您将输入图像,通过训练,程序将一次性得到已识别对象和其在图像中的位置。 # ^+ p: ]5 h" X9 E) T5 _: |3 z
5应用 考虑到上面提到的所有其他差异,您可能已经了解到机器学习和深度学习系统用于不同的应用程序。它们的用途:基本的机器学习应用程序包括预测程序(例如预测股票市场的价格或下一次飓风将在何时何地袭来)、垃圾电子邮件识别器,以及为医疗患者设计循证治疗计划的程序。 & C4 r8 m$ c5 R" n
对于深度学习,除了上面提到的Netflix、音乐流服务和面部识别等例子之外,深度学习的一个广为宣传的应用是自动驾驶。这些程序使用多层神经网络来确定要避开的对象、识别红绿灯以及知道何时加速或减速。
9 v' ]% f3 {; P. |7 e# E. C机器学习与深度学习的未来趋势 机器学习和深度学习的未来蕴含着无穷的可能!越来越多的机器人不仅用在制造业,而且在一些其他方面可以改善我们的日常生活方式。医疗行业也可能会发生变化,因为深度学习有助于医生更早地预测或发现癌症,从而挽救生命。在金融领域,机器学习和深度学习可以帮助公司甚至个人节省资金,更聪明地投资,更有效地分配资源。
4 W8 B6 k# T0 v! |5 C6 d9 x |