开发者学堂课程【深度学习框架 TensorFlow 入门：深度学习与机器学习区别】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/773/detail/13535
深度学习与机器学习区别
目录：
一、特征提取方面
二、数据量和计算性能要求
三、算法代表
一、特征提取方面
机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识。
深度学习通常由多个层组成，它们通常将更简单的模型组合在一起，将数据从一层传递到另-层来构建更复杂的模型。通过训练大量数据自动得出模型，不需要人工特征提取环节。
深度学习算法试图从数据中学习高级功能，这是深度学习的一个非常独特的部分。因此，减少了为每个问题开发新特征提取器的任务。适合用在难提取特征的图像、语音、自然语言处理领域。
二、数据量和计算性能要求
机器学习需要的执行时间远少于深度学习，深度学习参数往很庞大，需要通过大量数据的多次优化来训练参数。
第一、深度学习需要大量的训练数据集。
第二、训练深度神经网络需要大量的算力。
可能要花费数天、甚至数周的时间，才能使用数百万张图像的数据集训练出一个深度网络。所以深度学习通常。
1.需要强大的GPU服务器来进行计算。
2.全面管理的分布式训练与预测服务--比如谷歌 TensorFlow 云机器学习平台。
三、算法代表
1.机器学习：朴素贝叶斯、决策树等
2.深度学习：神经网络
