Skip to main content
 Web开发网 » 操作系统 » linux系统

学习深度学习是否要先学习机器学习?

2021年10月17日6150百度已收录

针对这个问题,我的总体建议就是:

本着大处着眼小处着手的学习原则,顺藤摸瓜,展开学习。不老在门口徘徊,一脚先进去,然后定位自己需要的知识点,进行聚焦学习。

首先比较下两者的区别机器学习与深度学习有什么区别?

两者的关系是:人工智能AI包括机器学习,机器学习包括深度学习。

额外也提一下数据挖掘,大数据的挖掘常用的方法有分类、回归分析、聚类、关联规则、神经网络方法、Web 数据挖掘等。所以我们看到机器学习跟深度学习都是数据挖掘的方法。

学习深度学习是否要先学习机器学习?  机器学习 第1张

什么是机器学习?

机器学习(Machine Learning,ML)是人工智能的子领域,也是人工智能的核心。机器学习是一门交叉学科,综合利用概率论知识,统计学知识,近似理论知识和复杂算法知识,模拟人类的思考解决问题的方式,达到充分利用计算机超强运算能力协助人类解决问题的目的。

什么是深度学习?

深度学习(DeepLearning,DL)属于机器学习的子类。是利用深度神经网络来解决特征表达的一种学习过程。深度学习(DL, Deep Learning)是机器学习一个新的研究方向,使用更加抽象的算法来模拟人的大脑的决策学习过程。它的最终目标是让机器能够像人一样具有分析学习能力。

机器学习与深度学习的比较深度学习在搜索技术、机器翻译、自然语言处理、多媒体学习、语音、推荐和个性化技术等待领域取得了很多成果。我们平常把深度学习跟机器学习混在一块的,这也没什么不妥。

1、检验算法的成熟度

机器学习,通过调整得到的算法一般是准确,并完全可控的,可以比较快得到高成熟度的算法。

一般来说,深度学习算法需要大量时间进行训练。这是因为该算法包含有很多参数,因此训练它们需要比平时更长的时间。所以深度学习的算法成熟度,跟不确定性,需要更长时间。

2、解决问题的过程

机器学习算法遵循标准程序以解决问题。计算过程是可以解释的、按流程进行的。

深度学习的数据处理过程则是黑盒子方式,需要通过不停的调整训练。

两者的基础概念相通的地方很多最终如果掌握了深度学习,肯定也掌握了机器学习。学习的过程不一定是要求把所有机器学习模型通通掌握,而是理解一些基本概念,比如监督学习(supervised learning),无监督学习(unsupervised leaning),训练(training),测试(testing),泛化(generalization)等。这些概念都是通用的。

大处着眼小处着手的学习原则如果要学习深度学习,网上有很多深入浅出的文章跟公开课可以学习快速有个总体概念。

了解需要的预备知识。不能始终在门口徘徊。可以先一脚进去看看,里面有什么。

如果入门了,就要开始聚焦一个专业细分领域了。

因为涉及的概念太多,要迅速搜集信息,让自己尽快定位到需要专注学习的细分方向上。

把不太懂的地方都展开学习,就可以顺藤摸瓜。

总之,要聚焦问题,让自己的学习更加高效,有针对性。

学习深度学习是否要先学习机器学习?  机器学习 第2张

评论列表暂无评论
发表评论
微信