1. 深度学习：一种实现机器学习的技术
所谓深度学习，简单来说是机器学习的一个子集，用于建立、模拟人脑进行数据处理和分析学习的神经网络，因此也可以被称作是深度神经网络。其基本特点是模仿大脑的神经元之间传递和处理信息的模式。
深度学习的优势在于：
不需要手动设计特征，其自动学习的功能对于当前的任务来说最佳；
任务自动获得对抗数据自然变化的鲁棒性；
很强的泛化性，相同的深度学习方法可以用于不同的应用程序和不同的数据类型；
使用多GPU可以执行巨大的并行计算。当数据量很大时，会产生更好的输出结果；
其体系结构有可扩展性，具备适应新问题的潜能。
深度神经网络由三种类型的层组成：
输入层
隐藏层
输出层
2. 机器学习：一种实现人工智能的方法
所谓机器学习，通俗来说是一种实现人工智能的方法，它赋予系统从经验中自动学习和发展的能力。与传统的为解决特定任务、硬编码的软件程序不同，研究人员会用大量的数据和各种算法来“训练”机器，让机器学习如何执行并完成任务。
机器学习的优势在于：
解决垃圾邮件检测的问题；
在制造领域优化设备功能，改善生产效率；
简化营销手段，协助预测销售量；
提升预测性维护功能；
提高安全性和网络性能
有如下几种常用算法：
Find-S
决策树
随机森林算法
神经网络
机器学习算法通常分为以下三大类：
有监督学习：需要从有标签的数据中学到或者建立一个模式。
无监督学习：数据是无标签的，机器学习算法需要先将数据分类，然后对数据结构进行描述，使复杂的数据看起来简单，以便进行后续分析工作。
强化学习：与监督学习相似，通过不断地探索学习，从而获得一个好的策略。
网友评论