深度學(xué)習(xí)和普通的機(jī)器學(xué)習(xí)有什么區(qū)別？一張圖片顯示了這種關(guān)系。機(jī)器學(xué)習(xí)是人工智能的重要領(lǐng)域之一，而深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支。深度學(xué)習(xí)之所以近年來流行起來，是因?yàn)樗黄屏藗鹘y(tǒng)機(jī)器學(xué)習(xí)無法解決的一些問題

深度學(xué)習(xí)和普通的機(jī)器學(xué)習(xí)有什么區(qū)別？

一張圖片顯示了這種關(guān)系。機(jī)器學(xué)習(xí)是人工智能的重要領(lǐng)域之一，而深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支。深度學(xué)習(xí)之所以近年來流行起來，是因?yàn)樗黄屏藗鹘y(tǒng)機(jī)器學(xué)習(xí)無法解決的一些問題。

機(jī)器學(xué)習(xí)的意義在于代替人工完成重復(fù)性工作，識別出統(tǒng)一的規(guī)則（模式）。但是對于傳統(tǒng)的機(jī)器學(xué)習(xí)來說，特征提取的難度不?。ㄌ卣骺梢允窍袼亍⑽恢?、方向等）。特征的準(zhǔn)確性將在很大程度上決定大多數(shù)機(jī)器學(xué)習(xí)算法的性能。為了使特征準(zhǔn)確，在特征工程部分需要大量的人力來調(diào)整和改進(jìn)特征。完成這一系列工作的前提是，數(shù)據(jù)集中所包含的信息量是充分的，并且易于識別。如果不滿足這一前提，傳統(tǒng)的機(jī)器學(xué)習(xí)算法將在信息的雜亂中失去其性能。深度學(xué)習(xí)的應(yīng)用正是基于這個(gè)問題。它的深層神經(jīng)網(wǎng)絡(luò)使它能夠在雜波中學(xué)習(xí)，自動(dòng)發(fā)現(xiàn)與任務(wù)相關(guān)的特征（可以看作是自發(fā)學(xué)習(xí)的特征工程），并提取高級特征，從而大大減少了特征工程部分任務(wù)所花費(fèi)的時(shí)間。

另一個(gè)明顯的區(qū)別是他們對數(shù)據(jù)集大小的偏好。傳統(tǒng)的機(jī)器學(xué)習(xí)在處理規(guī)則完備的小規(guī)模數(shù)據(jù)時(shí)表現(xiàn)出良好的性能，而深度學(xué)習(xí)則表現(xiàn)不好。隨著數(shù)據(jù)集規(guī)模的不斷擴(kuò)大，深度學(xué)習(xí)的效果會(huì)逐漸顯現(xiàn)出來，并變得越來越好。對比如下圖所示。

人工智能專業(yè)包含神經(jīng)網(wǎng)絡(luò)么，考研東北大學(xué)，學(xué)校只有人工智能專業(yè)沒有神經(jīng)網(wǎng)絡(luò)專業(yè)，我該報(bào)人工智能么？

人工智能專業(yè)的主要研究內(nèi)容是如何利用機(jī)器智能（主要通過計(jì)算機(jī)技術(shù)）實(shí)現(xiàn)人的問題獲取、問題推理和問題解決。目前的研究領(lǐng)域包括通過機(jī)器視覺感知外界環(huán)境、機(jī)器聽覺、機(jī)器觸覺環(huán)境數(shù)據(jù)采集等。，通過機(jī)器學(xué)習(xí)和深度學(xué)習(xí)對數(shù)據(jù)進(jìn)行分析和推理（基于神經(jīng)網(wǎng)絡(luò)模型的相關(guān)方法的研究是一個(gè)主要的研究方向）。問題的解決主要依靠計(jì)算機(jī)科學(xué)技術(shù)的軟硬件設(shè)計(jì)和軟件工程的算法實(shí)現(xiàn)。最后通過機(jī)電工程機(jī)械設(shè)計(jì)自動(dòng)化設(shè)備系統(tǒng)解決了這一問題。東北大學(xué)已進(jìn)入甲級學(xué)科，包括材料科學(xué)、計(jì)算機(jī)科學(xué)與技術(shù)、軟件工程和控制科學(xué)。因此，從總體上看，東北大學(xué)在人工智能方向上具有較強(qiáng)的實(shí)力。

人工智能專業(yè)是智能科學(xué)與技術(shù)的一個(gè)分支，神經(jīng)網(wǎng)絡(luò)只是目前智能領(lǐng)域機(jī)器學(xué)習(xí)和深度學(xué)習(xí)應(yīng)用技術(shù)的典型模式。未來的發(fā)展將會(huì)有更多的模式和技術(shù)。因此，首先，神經(jīng)網(wǎng)絡(luò)不是一個(gè)專業(yè)方向，其次，在相關(guān)課程中學(xué)習(xí)并不比是否包含在內(nèi)更難，將來一定會(huì)發(fā)生。

統(tǒng)計(jì)和概率論應(yīng)該是包括人工智能在內(nèi)的智能科學(xué)學(xué)習(xí)和發(fā)展最具影響力的基礎(chǔ)學(xué)科，因?yàn)槟壳叭斯ぶ悄艿闹饕较蚴菣C(jī)器學(xué)習(xí)和基于人類經(jīng)驗(yàn)大數(shù)據(jù)的深度學(xué)習(xí)。