分享平时的学习心得和笔记

深度学习（DL）：是机器学习的一个子集，基于深层神经网络（如CNN、RNN）自动提取数据特征，无需人工干预特征工程。深度学习：模型复杂（如ResNet、Transformer），包含数百万参数和多个隐藏层，可处理高维数据（如图像、语音）机器学习：适合结构化数据任务，如金融风控（逻辑回归）、推荐系统（协同过滤）、时间序列预测（ARIMA）深度学习：擅长非结构化数据，如计算机视觉（图像分类）、自然语言处理（机器翻译）、语音识别（语音转文本）机器学习：模型简单（如线性回归、决策树），参数少且可解释性强。

采用深层神经网络（如CNN、RNN、Transformer），层数可达数百层，参数规模超万亿（如GPT-3）。：在非结构化数据领域表现卓越，如计算机视觉（YOLO目标检测）、自然语言处理（ChatGPT）、语音合成（WaveNet）、自动驾驶（感知系统）。：通过多层神经网络自动完成特征提取，无需人工干预。：擅长处理结构化数据的传统任务，如金融风控（随机森林）、医疗诊断（SVM分类）、推荐系统（协同过滤）。：模型结构简单且透明，如线性回归、决策树、支持向量机（SVM），参数规模通常在百万级以下，易于解释。