Что такое машинное обучение?
Это способ достижения искусственного интеллекта с использованием различных методов и алгоритмов, включая
- Машины опорных векторов (SVM)
- Деревья решений
- Наивный Байес
- Линейная регрессия
- Нейронные сети
и так далее…
Что такое глубокое обучение?
Это подмножество машинного обучения, в котором специально используются нейронные сети. Нейронные сети со временем эволюционировали из методов машинного обучения. Они намного эффективнее и дают значительно более качественные и точные результаты.
Почему до сих пор используются другие алгоритмы машинного обучения?
Нейронные сети (особенно глубокие) требуют больших вычислительных мощностей, требуют больше времени для обучения, в некоторых случаях переобучения и требуют огромных объемов данных для эффективной работы.
Подумайте об этом так: использование нейронных сетей похоже на использование квадратной формулы для решения уравнений.
Это намного круче и делает вас похожим на профессионала, но также требует больше усилий и рекомендуется только тогда, когда мы сталкиваемся с огромным количеством.
С другой стороны, факторинг — это простой, но эффективный метод, который можно использовать для простых приложений.
Более того, есть случаи, когда методы машинного обучения оказались более эффективными, чем их аналоги для глубокого обучения.
Вывод
Алгоритмы машинного обучения лучше использовать для простых задач, таких как
- категоризация файлов/документов
- классификация новостных статей на Технологии/Бизнес/Политика и т.д.
- фильтрация спама
- анализ настроений (выявление положительных, отрицательных или нейтральных эмоций в тексте)
С другой стороны, алгоритмы глубокого обучения можно использовать для относительно сложных задач, когда в нашем распоряжении есть большие объемы обучающих данных.
- самоуправляемые транспортные средства
- программы для распознавания лиц
- обработка естественного языка
- виртуальные помощники
- рекламный маркетинг и т. д.
Первоначально опубликовано на https://yashasdonthi.blogspot.com 27 ноября 2020 г.
