1、深度学习与机器学习入门：原理、应用与实践

深度学习与机器学习入门：原理、应用与实践

1. 机器学习概述

1.1 什么是机器学习

传统计算机编程是将清晰的规则应用于结构化数据，由开发者编写指令，计算机执行并得出结果。例如处理税务表格，每个框都有明确含义，通过详细规则进行计算，计算机在这类任务中表现出色。

而机器学习则是从示例数据中推断程序或算法，而非直接实现。以识别朋友照片为例，人类能轻松完成，即便照片光线不佳或朋友外貌有变化。但要让计算机完成，传统编程难以实现，机器学习却能解决。

在机器学习中，提供给机器的图像是训练数据，照片中人物的名字是标签。训练算法后，可用于预测新数据的标签。通常，机器学习会与传统编程结合构建实用应用，如人脸识别应用，需先使用传统编程指导计算机查找、加载和转换示例图像，再应用机器学习算法。

1.2 机器学习与人工智能的关系

人工智能广义上指让计算机模仿人类行为的技术，包括逻辑生产系统、专家系统和模糊逻辑等基于规则的技术，这些有时被称为经典人工智能或传统人工智能。

机器学习是人工智能的一个领域，如今是最成功的领域之一，尤其是深度学习，它带来了许多令人兴奋的突破。经典人工智能研究人类行为并尝试编码规则，而机器学习和深度学习则收集人类行为示例，运用数学和统计技术提取规则。

为清晰起见，用人工智能指代让计算机模仿人类行为的总体问题，用机器学习或深度学习指代从示例中提取算法的数学技术。

1.3 机器学习的适用与不适用场景

机器学习是一种专门技术，在以下情况传统编程更合适：
- 传统算法可直接解决问题：直接编写代码解决问题，更易理解、维护、测试和调试。