1樓：西線大資料培訓
一、人工智慧
人工智慧(artificial intelligence)，英文縮寫為ai。它是研究、開發用於模擬、延伸和擴充套件人的智慧型的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧是電腦科學的乙個分支，它企圖了解智慧型的實質，並生產出一種新的能以人類智慧型相似的方式做出反應的智慧型機器，該領域的研究包括語音識別、影象識別、機械人、自然語言處理、智慧型搜尋和專家系統等。
人工智慧可以對人的意識、思維的資訊過程的模擬。人工智慧不是人的智慧型，但能像人那樣思考、也有可能超過人的智慧型。
二、資料探勘
資料探勘(data mining)，顧名思義就是從海量資料中「挖掘」隱藏資訊，按照教科書的說法，這裡的資料是「大量的、不完全的、有雜訊的、模糊的、隨機的實際應用資料」，資訊指的是「隱含的、規律性的、人們事先未知的、但又是潛在有用的並且最終可理解的資訊和知識」。在商業環境中，企業希望讓存放在資料庫中的資料能「說話」，支援決策。所以，資料探勘更偏向應用。
三、機器學習
機器學習(machine learning)是指用某些演算法指導計算機利用已知資料得出適當的模型，並利用此模型對新的情境給出判斷的過程。
機器學習的思想並不複雜，它僅僅是對人類生活中學習過程的乙個模擬。而在這整個過程中，最關鍵的是資料。
任何通過資料訓練的學習演算法的相關研究都屬於機器學習，包括很多已經發展多年的技術，比如線性回歸(linear regression)、k均值(k-means，基於原型的目標函式聚類方法)、決策樹(decision trees，運用概率分析的一種**法)、隨機森林(random forest，運用概率分析的一種**法)、pca(principal ***ponent analysis，主成分分析)、svm(support vector machine，支援向量機)以及ann(artificial neural ***works，人工神經網路)。
四、深度學習
深度學習(deep learning)的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現資料的分布式特徵表示。
深度學習是機器學習研究中的乙個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，例如影象，聲音和文字。
五、人工智慧與機器學習、深度學習的關係
嚴格意義上說，人工智慧和機器學習沒有直接關係，只不過目前機器學習的方法被大量的應用於解決人工智慧的問題而已。目前機器學習是人工智慧的一種實現方式，也是最重要的實現方式。
早期的機器學習實際上是屬於統計學，而非電腦科學的;而二十世紀九十年代之前的經典人工智慧跟機器學習也沒有關係。所以今天的ai和ml有很大的重疊，但並沒有嚴格的從屬關係。
不過如果僅就計算機系內部來說，ml是屬於ai的。ai今天已經變成了乙個很泛泛的學科了。
深度學習是機器學習現在比較火的乙個方向，其本身是神經網路演算法的衍生，在影象、語音等富**的分類和識別上取得了非常好的效果。
所以，如果把人工智慧與機器學習當成兩個學科來看，三者關係如下圖所示：
如果把深度學習當**工智慧型的乙個子學科來看，三者關係如下圖所示
六、資料探勘與機器學習的關係
資料探勘主要利用機器學習界提供的技術來分析海量資料，利用資料庫界提供的技術來管理海量資料。
機器學習是資料探勘的一種重要方法，但機器學習是另一門學科，並不從屬於資料探勘，二者相輔相成。
人工智慧，機器學習，深度學習，到底有何區別 20
2樓：匿名使用者
都是乙個意思,程式經過大資料進行篩選對比分析
ai，機器學習和深度學習之間的區別是什麼
3樓：愛喝可樂小兔砸
用三層圓環舉例
人工智慧是最大的圈
機器學習是在人工智慧中間的圈
深度學習是在機器學習中間的圈
4樓：llte啦啦
機器學習是ai的乙個子領域。這裡的核心原則是機器為自己提供資料和「學習」。它目前是企業ai工具包中最有前途的工具。
ml系統可以快速應用來自大型資料集的知識和培訓，擅長面部識別，語音識別，物體識別，翻譯以及許多其他任務。與手動編寫具有特定指令的軟體程式來完成任務不同，ml允許系統學習識別模式並進行**。
5樓：夢逍遙
機器學習與深度學習的比較
1、應用場景
機器學習在指紋識別、特徵物體檢測等領域的應用基本達到了商業化的要求。
深度學習主要應用於文字識別、人臉技術、語義分析、智慧型監控等領域。目前在智慧型硬體、教育、醫療等行業也在快速布局。
2、所需資料量
機器學習能夠適應各種資料量，特別是資料量較小的場景。如果資料量迅速增加，那麼深度學習的效果將更加突出，這是因為深度學習演算法需要大量資料才能完美理解。
3、執行時間
執行時間是指訓練演算法所需要的時間量。一般來說，深度學習演算法需要大量時間進行訓練。這是因為該演算法包含有很多引數，因此訓練它們需要比平時更長的時間。
相對而言，機器學習演算法的執行時間更少。
4、解決問題的方法
機器學習演算法遵循標準程式以解決問題。它將問題拆分成數個部分，對其進行分別解決，而後再將結果結合起來以獲得所需的答案。深度學習則以集中方式解決問題，而不必進行問題拆分。
6樓：esc__殤
深度學習是他們兩個最終研究的核心學術
7樓：kf寬泛科技
機器學習是一種實現人工智慧的方法，深度學習是一種實現機器學習的技術。我們就用最簡單的方法——同心圓，視覺化地展現出它們三者的關係。
目前，業界有一種錯誤的較為普遍的意識，即「深度學習最終可能會淘汰掉其他所有機器學習演算法」。這種意識的產生主要是因為，當下深度學習在計算機視覺、自然語言處理領域的應用遠超過傳統的機器學習方法，並且**對深度學習進行了大肆誇大的報道。
深度學習，作為目前最熱的機器學習方法，但並不意味著是機器學習的終點。起碼目前存在以下問題：
1. 深度學習模型需要大量的訓練資料，才能展現出神奇的效果，但現實生活中往往會遇到小樣本問題，此時深度學習方法無法入手，傳統的機器學習方法就可以處理；
2. 有些領域，採用傳統的簡單的機器學習方法，可以很好地解決了，沒必要非得用複雜的深度學習方法；
3. 深度學習的思想，**於人腦的啟發，但絕不是人腦的模擬，舉個例子，給乙個三四歲的小孩看一輛自行車之後，再見到哪怕外觀完全不同的自行車，小孩也十有**能做出那是一輛自行車的判斷，也就是說，人類的學習過程往往不需要大規模的訓練資料，而現在的深度學習方法顯然不是對人腦的模擬。
cloudhin®雲軒專注deep learning和高效能計算伺服器定製，針對主要深度學習框架（如tensorflow、caffe 2、theano或torch）進行了優化和設定，在桌面上即可提供強大的深度學習功能。
8樓：匿名使用者
《智慧型問答與深度學習》chatoperaceo王海良著，對學習智慧型問答的朋友很有用！強烈推薦！
深度學習是什麼，ai人工智慧，機器學習和深度學習之間有什麼區別？
9樓：匿名使用者
先說人工
抄智慧型ai， 人工智慧襲是乙個綜合學科，以模擬人類第智慧型行為為目標，集合一系列已有理論的學科。路線沒有固定
目前人工智慧最佳實踐路徑是機器學習方法
機器學習方法是通過資料來調優模型，達到解決問題第精度， 這就等價於模擬人解決問題了。
深度學習是機器學習裡面第乙個方向，深度學習以神經網路為模型，目前效果最好第機器學習方向~
何為人工智慧 機器學習和深度學習？三者間的關係又是如何？
隨著計算機的快速發展，人工智慧越來越火。我們每個人都時不時的聽到人工智慧，但是人工智慧到底是什麼？它和機器學習和深度學習到底是什麼關係？一 人工智慧 artificialintelligence 人工智慧 artificialintelligence 英文縮寫為ai。是電腦科學的乙個分支。人工智慧是...
人工智慧是學習什麼的，人工智慧是學習什麼？
影片講述21世紀中期，人類的科學技術已經達到了相當高的水平，乙個小機械人為了尋找養母，為了縮短機械人和人類差距而奮鬥的故事。學習資料中的經驗 人工智慧是乙個大概念，模擬人類的智力行為 但手段並沒有限制，目前以機器學習為最成功的路線機器學習就是通過資料來建模，資料代表經驗，模型代表決策依據資料越多，模...
人工智慧這個是學習什麼的，人工智慧需要學習哪些東西？
是乙個需要跨學科的，看看這邊哈，建議去學校，比如這邊，網際網路it學校 人工智慧需要學習哪些東西？機 學習的基礎是數學，入門ai必須掌握一些必要的數學基礎，但是並不是全部的數學知識都要學，只學工作上實際有用到的，比如是微積分 概率論 線性代數 凸優化等這些。資料分析裡需要應用到的內容也需要掌握，但不...