什么是深度学习，以及它与传统机器学习的区别

---

机器学习（ML）的目的是让程序学习如何去解决问题，而不是简单地执行预定的逻辑。通过这种学习，程序可以在未见过的场景下获得预期的输出。例如，通过对过去六个月股票数据的分析可以预测明天的股价。或者判断下个月是否会有大的波动。 当深度学习被归入机器学习方法的大家庭中时，它与传统机器学习方法是有很大区别的。拿一个人脸检测系统举例。使用传统的机器学习方法，我们可以识别并提取关键特征（眼镜、鼻子和下巴等）。然后让软件只对这些关键部位的特征进行夸身份的匹配。 但是在深度学习中，我们向模型展示数百张只有身份信息标注的人脸图像，然后让机器明白真正独一无二的点是什么（面颊的曲率或者其他人类无法注意到的细微的部分）。机器会决定哪些属性对于人脸识别是足够重要的（这一过程也称为特征检测），并且整个数据流经模型的过程会迭代成百数千次（称为 Epoch）。 深度学习技术使得机器学习在过去的十年大规模的席卷全球，尤其是在图像、视频和音频领域有效地解决了大量的问题。它被用于结构化的数据处理，并且已经与我们的生活息息相关，例如 Facebook 的好友推荐以及很多新闻推送程序的文章推荐系统。

---