一文搞懂！机器学习、深度学习、AI，它们到底是什么关系？

来源:嵌入式学习站公众号

定义

· 人工智能-目标

人工智能是一个宏大的学科领域，它的最终目标是让机器能够像人一样思考、学习和解决问题，展现出智能行为。

· 机器学习-实现目标的核心方法

而机器学习则是实现人工智能的一种主要途径。

它的核心思想是:我们给机器提供大量数据，让机器自己从数据中寻找规律和模式，并基于这些规律进行预测或决策。

让机器通过数据“自学”，获得解决问题的能力。

· 深度学习-核心方法的分支之一

深度学习是机器学习的一个特定分支，它使用一种叫做“神经网络”的复杂模型来学习和预测。这种网络的结构灵感来源于人脑神经元。

我们可以把深度学习看作一种更强大、更自动化的机器学习。

传统的机器学习需要人类专家来告诉机器哪些数据是重要的，而深度学习则能自动从原始数据中提取关键特征，不需要过多的人工指导。

机器能使用复杂的“神经网络”模型，自动学习数据中的深层规律。

三者关系

人工智能是最大的概念，是所有智能技术的总称;

机器学习是实现人工智能的一种关键且有效的方法;

深度学习是机器学习领域中最热门、最强大的技术之一;

三者是层层包含的关系→人工智能包含机器学习，机器学习又包含深度学习。

即:人工智能 > 机器学习 > 深度学习。

学习建议

理清了这些概念之后，如果我们想进入这个领域，应该从哪里开始呢?

· 第一步:打好基础

学习编程，掌握Python的基本语法和编程思维。

复习数学，重点理解线性代数(矩阵)、微积分(求导)、概率论与数理统计的基本概念。

· 第二步:循序渐进，机器学习→深度学习

用Scikit-learn亲手实践几个经典的机器学习项目，掌握机器学习的基本工作流程。

※切记一定要先从传统的机器学习开始逐步深入，不要上来就扎进深度学习的海洋中!

· 第三步:多动手，善用搜索和社区

不要只停留在理论知识上，可以利用各平台的入门竞赛，完整走几遍流程;遇到难题时要记得善用搜索、求助技术社区。

· 第四步:解锁深度学习

选择一个成熟的框架(PyTorch、TensorFlow等)，然后从最简单的模型(CNN等)入手，体会它自动提取特征的强大能力。

做完以上这些，我们就算真正地踏入“人工智能”这一领域了。

AI领域发展日新月异，接下来我们要做的就是保持关注，坚持参与各种实际项目，在项目中继续学习、进步。