【.com快译】
随着人工智能浪潮席卷现代社会,不少人关于机器学习、深度学习、计算机视觉、人造言语处置等名词曾经耳熟能详。可以预感的是,在未来的几年里,无论是在业界还是学界,领有深度学习和机器学习才干的企业都将表演关键角色。
假定你对人工智能畛域的基础常识比拟感兴味,你就会发现很多人工智能技术中经常出现的两个概念:机器学习和深度学习。如何了解两者间的区别十分关键,本文将对此做简明的解析。
深度学习:一种成功机器学习的技术
所谓深度学习,便捷来说是机器学习的一个子集,用于建设、模拟人脑启动数据处置和剖析学习的神经网络,因此也可以被称作是深度神经网络。其基本特点是模拟大脑的神经元之间传递和处置消息的形式。
深度学习的长处在于:
l 不须要手动设计特色,其智能学习的配置关于的义务来说最佳;
l 义务智能取得反抗数据人造变动的鲁棒性;
l 很强的泛化性,相反的深度学习方法可以用于不同的运行程序和不同的数据类型;
l 经常使用多GPU可以口头渺小的并行计算。当数据量很大时,会发生更好的输入结果;
l 其体系结构有可裁减性,具有顺应新疑问的潜能。
机器学习:一种成功人工智能的方法
所谓机器学习,深刻来说是一种成功人工智能的方法,它赋予系统从阅历中智能学习和开展的才干。与传统的为处置特定义务、硬编码的软件程序不同,钻研人员会用少量的数据和各种算法来“训练”机器,让机器学习如何口头并成功义务。
机器学习的长处在于:
l 处置渣滓邮件检测的疑问;
l 在制作畛域优化设施配置,改善消费效率;
l 简化营销手腕,协助预测开售量;
l 优化预测性保养配置;
l 提高安保性和网络性能
未来的或者性
许多企业应用机器学习和深度学习从少量数据中失掉洞见,成功智能智能化、商业智能、优化运营,达成最小化疑问和最大化利润。通常来说,深度学习从少量的非结构化数据(文本、视频、图像、传感器数据)中失掉常识,用于处置更复杂的义务。它驱动了计算机视觉、语音解读、人造言语处置等畛域机器学习方法的开展。假设您的组织正继续始终地生成海量数据流,那么经常使用深度学习就十分值得思考。
迄今而至,深度学习和机器学习都曾经开展了一段期间。为了发明更多的支出,不少行业开局驳回深度学习和机器学习算法,同时培训员工学习这种才干,为企业做出奉献。很多公司正在推出翻新的深度学习技术,以处置复杂的应战。未来,人工智能的边界仍将随着人类想象力和技术的延展迎来更多的或者。
原文: UNDERSTANDING DEEP LEARNING VS MACHINE LEARNING ,
by Monomita Chakraborty