核心！Machine Learning和 Deep Learning的深入解读

先分析下什么是机器学习和深度学习：

机器学习：

通过算法实现人工智能，计算机识别数据模式并根据数据模式采取行动，计算机学习久了准确性也就高了，但不需要明确的编程。机器学习本质是预测编码、聚类和视觉热图等分析方法。比如平时手机软件里的一些自动推荐功能就是机器学习的很好例子

 

深度学习：

深度学习又叫人工神经网路，深度学习模仿人类大脑感知与组织的方式，根据数据输入做出决策。

 

机器学习详解：

机器学习通过算法分析数据，从结果中进行学习，然后将 学习后的算法 用来做决策或进行预测，

例子：聚类、贝叶斯网络、视觉数据映射

 

机器学习又分为 有监督学习和无监督学习：

有监督学习和无监督学习的差别就是依不依赖人

有监督学习就是依赖人为生成的数据种子集，这些数据种子集调教程序让它如何看待数据。

无监督学习就是计算机自己观察数据中的模式，将他们和其他数据比较或进行搜索查询，  随着数据集的增长、更多模式的浮现，机器学习算法不断自我优化

 

深度学习详解：

深度学习不像数据分类那样根据任务选择算法，而是模仿人类大脑结构与运算过程：

识别非结构化输入的数据，输出精确地行为和决策

 

深度学习可以是有监督的也可以是无监督的，这意味着神经网