मैं "मशीन लर्निंग" और "डीप लर्निंग" शब्दों के बीच के अंतर से थोड़ा भ्रमित हूँ। मैंने इसे Googled और कई लेख पढ़े हैं, लेकिन यह अभी भी मेरे लिए बहुत स्पष्ट नहीं है।
टॉम मिशेल द्वारा मशीन लर्निंग की एक ज्ञात परिभाषा है:
एक कंप्यूटर प्रोग्राम को कहा जाता है कि वह अनुभव E से कार्यों के कुछ वर्ग T के संबंध में सीखे और प्रदर्शन P मापता है , यदि T द्वारा कार्य में इसका प्रदर्शन , जैसा कि P द्वारा मापा जाता है , अनुभव E से सुधरता है ।
अगर मैं अपने taks के रूप में कुत्तों और बिल्लियों को वर्गीकृत करने की एक छवि वर्गीकरण समस्या ले टी , इस परिभाषा से मैं समझता हूँ कि अगर मैं एक एमएल कलन विधि कुत्तों और बिल्लियों (अनुभव की छवियों का एक समूह देना होगा ई ), एमएल एल्गोरिथ्म कैसे सीख सकते हैं एक कुत्ते या बिल्ली के रूप में एक नई छवि को भेद करें (बशर्ते प्रदर्शन माप पी अच्छी तरह से परिभाषित हो)।
इसके बाद डीप लर्निंग आता है। मैं समझता हूं कि डीप लर्निंग मशीन लर्निंग का हिस्सा है, और यह उपरोक्त परिभाषा रखती है। कार्य T पर प्रदर्शन अनुभव E के साथ सुधार होता है । अब तक सब ठीक।
यह ब्लॉग बताता है कि मशीन लर्निंग और डीप लर्निंग में अंतर है। आदिल के अनुसार अंतर यह है कि (ट्रेडिशनल) मशीन लर्निंग में सुविधाओं को हाथ से तैयार करना पड़ता है, जबकि डीप लर्निंग में सुविधाओं को सीखा जाता है। निम्नलिखित आंकड़े उनके बयान को स्पष्ट करते हैं।
मैं इस तथ्य से भ्रमित हूं कि (ट्रेडिशनल) मशीन लर्निंग में सुविधाओं को हाथ से तैयार किया जाना है। टॉम मिशेल द्वारा उपरोक्त परिभाषा से, मुझे लगता है कि इन सुविधाओं को अनुभव ई और प्रदर्शन पी से सीखा जाएगा । मशीन लर्निंग में अन्यथा क्या सीखा जा सकता है?
डीप लर्निंग में मैं समझता हूं कि अनुभव से आप सुविधाओं को सीखते हैं और प्रदर्शन को बेहतर बनाने के लिए वे एक-दूसरे से कैसे संबंधित हैं। क्या मैं यह निष्कर्ष निकाल सकता हूं कि मशीन लर्निंग सुविधाओं को हाथ से तैयार किया जाना है और जो सीखा है वह सुविधाओं का संयोजन है? या मुझे कुछ और याद आ रहा है?
