1.什么是深度学习

深度学习是机器学习的子集，主要使用人工神经网络来解决计算机视觉、自然语言处理、自动语音识别等问题。

2.什么是机器学习

机器学习是指机器能够自主学习完成任务而不是通过编写完整的程序完成任务，机器学习是计算机科学的子领域。

机器通过观察模式，直接或者间接地模仿模式来完成学习。

直接模仿，即是监督学习(supervise learning)

间接模仿，即是非监督学习(unsupervise learning)

机器学习、深度学习，人工智能的关系图

3.监督学习（supervise learning）

监督学习是一种把一个数据集转化为另一个数据集的方法，是狭义AI的主要组成部分。

监督学习一般是指把带有标签的数据放入模型中进行训练，譬如：要制作一个判别猫狗的模型，需要给模型提供猫狗的照片，同时每张照片都要标记好改照片是猫还是狗。

监督学习原理图

4.非监督学习（unsupervise learning）

非监督学习是一种把一个数据集转化为另一个执行前未知的数据集的方法

数据的归类为一个个集合就是一种非监督学习，但该算法并不能够告诉你每一个集合代表什么意思，只能说明同一集合的数据具有某种结构相似性

与监督学习相反，非监督学习一般指把无标签的数据放入模型中进行训练

所有的非监督学习的问题都可以看作是一种数据归类（clustering）的操作。

非监督学习原理图

5.参数模型与非参数模型（parametric vs. non-parametric learning）

参数模型的特征为模型拥有有限个参数，通过测试模型，获得损失来对模型进行调整

非参数模型的特征为模型拥有无限个参数（参数个数由数据集来决定），通过统计个数、计算概率来实现模型。

机器学习的算法主要由监督/非监督、参数/非参数来划分。组合后总共有4大类算法。监督与非监督，说明了学习的模式类型。参数与非参数，说明了学习的方式及知识的存储方式。

深度学习属于参数学习模型，通过调整损失来优化模型。

机器学习算法分类