深度学习、机器学习、人工智能的区别



深度学习、机器学习、人工智能的区别

?? ?1.机器学习 是 人工智能 的一个分支
?? ??? ?主要研究如何使机器在不必额外编程的情况下,学会执行特定任务
?? ??? ?机器学习 的核心思想在于可以通过创建算法让机器通过数据进行学习并预测数据

?? ?2.机器学习 有 3 个大的分类?
?? ??? ?第 1 种是监督学习,机器通过己知的输入和对应的预期输出进行样本训练,以对全新的未知数据进行有意义的预测?
?? ??? ?第 2 种是无监督学习,机器只能通过输入的数据,在没有外界监督的情况下自己发现有意义的结构
?? ??? ?第 3 种是强化学习,机器作为同环境进行交互的代理,学习哪些行为能获得奖赏。

?? ?3.深度学习 是利用 人工神经网络 进行 机器学习 的方法论里的一个特定子集
?? ??? ?人工神经网络 的灵感来自于人类大脑神经元的结构
?? ??? ?深度学习对机器学习来说是一次真正的海啸。它虽然只有相对较少的巧妙的方法,却被成功地应用到非常多的不同的领域(图像、文本、视频、 语音和视觉),
?? ??? ?显著改进了过去几十年的技术发展水平。深度学习 的成功还因为现在有了更多的可用于训练的数据(如来自 ImageNet 的图像〉,
?? ??? ?以及可用于高效数值计算的相对低廉、可用的 GPU 。




  • Keras、PyTorch、MXNet
  • 用户画像
  • C、C++笔记
  • JavaWeb+大数据笔记
  • CDH 6、CDH5
  • Python笔记

https://pan.baidu.com/s/1OBd1rbwGx0F8YnefM7R0Uw
提取码0hal
https://pan.baidu.com/s/1TKNZ6TtDxDtDUnezrcXJ8Q
提取码2ber
https://pan.baidu.com/s/1_XWMwcoNuDPdE3xkluo08A
提取码b12m
https://pan.baidu.com/s/1eW8YSrasGiTXpBFSSJd78Q
提取码7aeu
https://pan.baidu.com/s/1xi_3T6Nw__Sy-QQaN29O4Q
提取码1gcs



1.CDH 6 的安装和使用?、CDH5安装
https://blog.csdn.net/zimiao552147572/article/details/87190368
https://blog.csdn.net/zimiao552147572/article/details/94158217

2.用户画像
https://blog.csdn.net/zimiao552147572/article/details/88425850

3.Spark 实时处理
https://blog.csdn.net/zimiao552147572/article/details/88556157

4.大数据组件安装(非CDH)和使用 总文章
https://blog.csdn.net/zimiao552147572/article/details/88602425

5.大数据组件使用 总文章
https://blog.csdn.net/zimiao552147572/article/details/88602959

6.window下 人工智能 Keras、TensorFlow、PyTorch、CUDA、cuDNN 的环境安装 总文章、window 安装 PyTorch、window下安装MXNet
https://blog.csdn.net/zimiao552147572/article/details/88854126
https://blog.csdn.net/zimiao552147572/article/details/94333706
https://blog.csdn.net/zimiao552147572/article/details/95807839

7.人工智能AI:Keras PyTorch 深度学习实战(不定时更新)
https://blog.csdn.net/zimiao552147572/article/details/88867161

8.搜索引擎:Elasticsearch、Solr、Lucene
https://blog.csdn.net/zimiao552147572/article/details/90050034

原文地址:https://blog.51cto.com/12393044/2439920

时间: 2024-07-31 11:50:17

深度学习、机器学习、人工智能的区别的相关文章

数据分析、数据挖掘、机器学习、神经网络、深度学习和人工智能概念区别(入门级别)

数据分析, 就是对数据进行分析, 得出一些结论性的内容, 用于决策. 分析什么哪? 根据分析现状. 分析原因. 预测未来. 分析现状和分析原因, 需要结合业务才能解释清楚. 用到的技术比较简单, 最简单的数据分析工具就是 Excel. 预测未来指的是分析未来一段时间的销售额之类的. 在预测未来方面, 一般用到数据挖掘的技术了. 数据挖掘, 从字面意思上看, 是从数据中挖掘出有价值的信息. 比如, 超市通过对一段时间的客户消费记录能发现, 哪些物品经常被顾客一起购买. 那么, 就可以把这些物品摆放

云计算、机器学习、深度学习、人工智能和大数据,主要有什么关系?

业外人士如何了解云计算.机器学习.深度学习.人工智能.和大数据之间有什么内在联系?从应用的角度来阐述一下这五个概念之间的联系. 这五个概念按照领域可以划分成两个大部分,先分别介绍这些概念的内部联系,然后再综合介绍他们整体之间的联系. 云计算和大数据 云计算和大数据的很多研究内容是重叠的,比如分布式存储.分布式计算,可以说大数据是云计算发展到一定阶段的产物.云计算和大数据之间主要的区别在于关注的"点"不同,云计算强调服务(IaaS.PaaS.SaaS),而大数据则强调数据的价值(数据采集

Python神经网络算法与深度学习视频教程人工智能算法机器学习实战视频教程

38套大数据,云计算,架构,数据分析师,Hadoop,Spark,Storm,Kafka,人工智能,机器学习,深度学习,项目实战视频教程 视频课程包含: 38套大数据和人工智能精品高级课包含:大数据,云计算,架构,数据挖掘实战,实时推荐系统实战,电视收视率项目实战,实时流统计项目实战,离线电商分析项目实战,Spark大型项目实战用户分析,智能客户系统项目实战,Linux基础,Hadoop,Spark,Storm,Docker,Mapreduce,Kafka,Flume,OpenStack,Hiv

Yann LeCun清华演讲:深度学习与人工智能的未来

2017年3月22日下午,Facebook人工智能研究院院长.纽约大学终身教授Yann LeCun在清华大学大礼堂为校内师生以及慕名而来的业内人士呈现了一场主题为<深度学习与人工智能的未来(Deep Learning and the Future of AI)>的精彩公开课. 随着AlphaGo事件的不断发酵,神经网络成为时下人工智能产学领域万众瞩目的研究焦点,也成为普罗大众的热门话题.事实上,神经网络作为一种算法模型,很早就已经被广泛关注和研究,也曾长时间内陷入发展突破的低潮期.不过,在以G

在linux ubuntu下搭建深度学习/机器学习开发环境

一.安装Anaconda 1.下载 下载地址为:https://www.anaconda.com/download/#linux 2.安装anaconda,执行命令: bash ~/Downloads/Anaconda3-5.1.0-Linux-x86_64.sh 3.在安装过程中会显示配置路径 Prefix=/home/jsy/anaconda2/ 4.安装完之后,运行python,仍是ubuntu自带的python信息,需自己设置下环境变量 5.在终端输入$sudo gedit /etc/p

深度学习-机器学习 第一篇

简介 前置声明:本专栏的所有文章皆为本人学习时所做笔记而整理成篇,转载需授权且需注明文章来源,禁止商业用途,仅供学习交流.(欢迎大家提供宝贵的意见,共同进步) 正文: 机器学习,顾名思义,就是研究计算机如何学习和模拟人类的行为,并根据已学得的知识对该行为进行增强和改进. 举例来说,假设邮箱收到了一封新邮件,通常我们可以通过邮件里是否含有广告.不相关信息以及乱码等特征,人为的来判断这封邮件是否是一封垃圾邮件. 如上述可知,机器学习模拟人类的行为,所以它同样依据这些邮件内容的特征来判断一封邮件是否是

个人电脑如何搭建深度学习/机器学习开发环境?

硬件信息: 显卡GTX 750Ti + 4核处理器 + 16G内存 + 120G固态 + 500G机械 软件信息: ubuntu16.04:一开始安装的是18.04,NVIDIA官方暂未提供这个版本的driver,安装过程中提示找不带显卡驱动.建议大家不要盲目追求新. cuda:GPU上的并行计算平台和模型:版本选择cuda-8.0 cudnn:相比标准的cuda,它在一些常用的神经网络操作上进行了性能的优化:版本选择cudnn 6.0 anaconda:一个开源的Python发行版本,其包含了

[转]深度学习之浅见

通常来说,大家认为深度学习的观点是Geoffrey Hinton在2006年提出的.这一算法提出之后,得到了迅速的发展.关于深度学习,zouxy09的专栏中有详细的介绍,Free Mind 的博文也很值得一读.本博文是我对深度学习的一点看法,主要内容在第4.5部分,不当之处还请指教. 1.深度学习 深度学习,即Deep Learning,是一种学习算法(Learning algorithm).学习算法这个很好理解,那么Deep指的是什么呢?这里的Deep是针对算法的结构而言的. 譬如,SVMs及

深度学习之浅见

通常来说,大家认为深度学习的观点是Geoffrey Hinton在2006年提出的.这一算法提出之后,得到了迅速的发展.关于深度学习,zouxy09的专栏中有详细的介绍,Free Mind 的博文也很值得一读.本博文是我对深度学习的一点看法,主要内容在第4.5部分,不当之处还请指教. 1.深度学习 深度学习,即Deep Learning,是一种学习算法(Learning algorithm).学习算法这个很好理解,那么Deep指的是什么呢?这里的Deep是针对算法的结构而言的. 譬如,SVMs及

人工智能、机器学习和深度学习之间的区别与联系

大家都知道,在2016年,Google DeepMind的AlphaGo打败了韩国的围棋大师李世乭九段.在媒体描述DeepMind胜利的时候,将人工智能(AI).机器学习(machine learning)和深度学习(deep learning)都用上了.这三者在AlphaGo击败李世乭的过程中都起了作用,但它们说的并不是一回事. 今天就用最简单的方法——可视化的展现它们三者的关系和应用. 如上图,人工智能是最早出现的,也是范围最大的:其次的机器学习,稍晚一点:最内侧,是深度学习,当今人工智能大