大数据人工智能技术，在应用层面包括机器学习、神经网络、深度学习等，它们都是现代人工智能的核心技术。
机器学习利用算法去分析数据、学习数据，随后对现实世界情况作出判断和预测。因此，与预先编写好、只能按照特定逻辑去执行指令的软件不同，机器实际上是在用大量数据和算法去“自我训练”，从而学会如何完成一项任务。
深度学习：deep learning，机器学习里面现在比较火的一个topic（大坑），本身是神经网络算法的衍生，在图像，语音等富媒体的分类和识别上取得了非常好的效果，所以各大研究机构和公司都投入了大量的人力做相关的研究和开发。
深度学习>经典机器学习
一流的表现：深度网络已经实现了远远超过传统ML方法的精确度，包括语音、自然语言、视觉和玩游戏等许多领域。在许多任务中，经典ML甚至无法竞争。
经典机器学习>深度学习
对小数据更好：为了实现高性能，深层网络需要非常大的数据集。之前提到的预先训练过的网络在120万张图像上进行了训练。对于许多应用来说，这样的大数据集并不容易获得，并且花费昂贵且耗时。对于较小的数据集，传统的ML算法通常优于深度网络。
最后，对于机器学习和深度学习的关系，现在不知道怎么回事总是会把深度学习归结于机器学习的分支，其实这样划分是很不合理的。机器学习的代表是统计学习方法，是概率论与统计学的范畴；而深度学习则是基于神经网络的，是基于神经认知科学发展的产物。
尚学堂立志解决中国教育不公平和低效率问题，帮助千千万万被传统教育方式耽误的人，传授实用、前沿的知识，成就学员个人理想，为爱你的人和你爱的人创造美好的生活。尚学堂12大精英团队+各类实战项目，真正实现1+1>10的目标效果。帮助学员迅速成长，持久腾飞，成就学员“高富帅”人生。
閱讀更多 AI和ai 的文章
