Отличие машинного обучения и глубокого обучения

Машинное обучение
Машинное обучение — это подмножество искусственного интеллекта, которое использует методы (например, глубокое обучение), которые позволяют компьютерам использовать возможности для улучшения задач.

Глубокое обучение — это подмножество машинного обучения, основанное на искусственных нейронных сетях. Процесс обучения является глубоким, поскольку структура искусственных нейронных сетей состоит из нескольких входных, выходных и скрытых слоев.
Глубокое обучение

Отличие машинного обучения и глубокого обучения
Машинное обучение принимает данные в качестве входных данных, анализирует эти данные, пытается осмыслить их (решения) на основе того, что он узнал во время обучения.
Глубокое обучение принимает данные в качестве входных данных и принимает интуитивные и интеллектуальные решения, используя искусственную нейронную сеть, сложенную слоями.

Алгоритмы, используемые в машинном обучении, как правило, анализируют данные по частям, а затем эти части объединяются, чтобы получить результат или решение. Системы глубокого обучения рассматривают всю проблему или сценарий одним махом.
Например, чтобы программа идентифицировала определенные объекты на изображении, придется пройти два этапа машинного обучения: сначала обнаружение объектов, а затем распознавание объектов.
С помощью глубокого обучения, программа возвращает как идентифицированные объекты, так и их местоположение на изображении в одном результате.

Вмешательство человека
В то время как в системах машинного обучения человеку необходимо идентифицировать и вручную кодировать применяемые функции на основе типа данных (например, значение пикселя, форма, ориентация), система глубокого обучения пытается изучить эти функции без дополнительного вмешательства человека.

Из-за большого объема обрабатываемых данных и сложности математических вычислений, связанных с используемыми алгоритмами, системы глубокого обучения требуют гораздо более мощного аппаратного обеспечения, чем более простые системы машинного обучения.
Программы машинного обучения могут работать на машинах более низкого уровня без такой большой вычислительной мощности.
Вычислительная мощность

График зависимости объема данных (ось x) от производительности (ось y)