机器学习与深度学习的区别

部分内容来自网络（唐宇迪老师）
机器学习：

深度学习：
深度学习(DeepLearning，DL)属于机器学习的子类。它的灵感来源于人类大脑的工作方式，是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并非是一个全新的概念，可理解为包含多个隐含层的神经网络结构。为了提高深层神经网络的训练效果，人们对神经元的连接方法以及激活函数等方面做出了调整。其目的在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，如文本、图像、声音。

从以上两张图可以看出，深度学习其实是机器学习的一部分，但也是必不可少的一部分。首先，当我们获得了数据，其次我们就要从数据获取特征让机器去学习，获取特征的这一part是非常重要的，如rnn、cnn这些神经网络使得机器学习变为可能。

特征提取如何提取

数值的好提取
对于图像就是像素值
对于文本是有对应的向量
将一切东西都得数值化～～～～
以下为RNN直观展示（卷积神经网络）

深度学习效果：

深度学习应用：
识别

分类

deepfake

给图片上色