大數據人工智能技術，在應用層面包括機器學習、神經網絡、深度學習等，它們都是現代人工智能的核心技術。
機器學習利用算法去分析數據、學習數據，隨後對現實世界情況作出判斷和預測。因此，與預先編寫好、只能按照特定邏輯去執行指令的軟件不同，機器實際上是在用大量數據和算法去“自我訓練”，從而學會如何完成一項任務。
深度學習：deep learning，機器學習裡面現在比較火的一個topic（大坑），本身是神經網絡算法的衍生，在圖像，語音等富媒體的分類和識別上取得了非常好的效果，所以各大研究機構和公司都投入了大量的人力做相關的研究和開發。
深度學習>經典機器學習
一流的表現：深度網絡已經實現了遠遠超過傳統ML方法的精確度，包括語音、自然語言、視覺和玩遊戲等許多領域。在許多任務中，經典ML甚至無法競爭。
經典機器學習>深度學習
對小數據更好：為了實現高性能，深層網絡需要非常大的數據集。之前提到的預先訓練過的網絡在120萬張圖像上進行了訓練。對於許多應用來說，這樣的大數據集並不容易獲得，並且花費昂貴且耗時。對於較小的數據集，傳統的ML算法通常優於深度網絡。
最後，對於機器學習和深度學習的關係，現在不知道怎麼回事總是會把深度學習歸結於機器學習的分支，其實這樣劃分是很不合理的。機器學習的代表是統計學習方法，是概率論與統計學的範疇；而深度學習則是基於神經網絡的，是基於神經認知科學發展的產物。
尚學堂立志解決中國教育不公平和低效率問題，幫助千千萬萬被傳統教育方式耽誤的人，傳授實用、前沿的知識，成就學員個人理想，為愛你的人和你愛的人創造美好的生活。尚學堂12大精英團隊+各類實戰項目，真正實現1+1>10的目標效果。幫助學員迅速成長，持久騰飛，成就學員“高富帥”人生。
閱讀更多 AI和ai 的文章
