Tôi hơi bối rối bởi sự khác biệt giữa thuật ngữ "Học máy" và "Học sâu". Tôi đã Googled nó và đọc nhiều bài viết, nhưng nó vẫn không rõ ràng cho tôi.
Một định nghĩa đã biết về Machine Learning của Tom Mitchell là:
Một chương trình máy tính được cho là học hỏi từ kinh nghiệm E đối với một số lớp các nhiệm vụ với T và đo lường hiệu suất P , nếu hiệu quả của nó ở nhiệm vụ trong T , được đo bằng P , cải thiện với kinh nghiệm E .
Nếu tôi lấy một vấn đề phân loại hình ảnh của việc phân loại chó và mèo là T của tôi , từ định nghĩa này tôi hiểu rằng nếu tôi đưa ra thuật toán ML một loạt hình ảnh của chó và mèo (kinh nghiệm E ), thuật toán ML có thể học cách phân biệt hình ảnh mới là chó hay mèo (với điều kiện là thước đo hiệu suất P được xác định rõ).
Rồi đến Deep Learning. Tôi hiểu rằng Deep Learning là một phần của Machine Learning và định nghĩa trên có. Việc thực hiện nhiệm vụ tại T cải thiện với kinh nghiệm E . Tất cả đều ổn cho đến bây giờ.
Blog này nói rằng có một sự khác biệt giữa Machine Learning và Deep Learning. Sự khác biệt theo Adil là trong Machine Learning (truyền thống), các tính năng phải được làm thủ công, trong khi trong Deep Learning, các tính năng được học. Các số liệu sau đây làm rõ tuyên bố của mình.
Tôi bối rối bởi thực tế là trong Machine Learning (truyền thống), các tính năng phải được làm thủ công. Từ định nghĩa trên Tom Mitchell, tôi sẽ nghĩ rằng các tính năng này sẽ được rút ra từ kinh nghiệm E và hiệu suất P . Những gì có thể được học trong Machine Learning?
Trong Deep Learning tôi hiểu rằng từ kinh nghiệm bạn học các tính năng và cách chúng liên quan với nhau để cải thiện hiệu suất. Tôi có thể kết luận rằng trong các tính năng của Machine Learning phải được làm thủ công và những gì học được là sự kết hợp của các tính năng không? Hay tôi đang thiếu thứ gì khác?
