很多同学搞不清楚机器学习和深度学习的关系，也不知道自己应该学习机器学习呢？还是深度学习？还是两者都得学？

 我们讲过：

• 机器学习是一门让计算机通过对数据的观察和学习，来自动改进其表现能力的学科。机器学习的主要目的是使计算机能够在没有人类指导的情况下解决问题。

• 深度学习是一种机器学习技术，它使用了深层神经网络来解决机器学习问题。深层神经网络由许多层次的神经元组成，每层神经元都与上一层和下一层相连。这种结构使得深度学习能够捕捉到数据中的更复杂的特征。

在这两种技术之间该如何选择呢？

当需要解决的问题是分类或回归问题时，可以使用机器学习来解决。例如，要建立一个模型来预测电子邮件是否是垃圾邮件，可以使用机器学习的分类方法来解决。如果要建立一个模型来预测电商网站的转化率，可以使用机器学习的回归方法来解决。

当需要解决的问题是识别图像、语音或文本中的特征时，可以使用深度学习来解决。例如，要建立一个模型来识别图像中的物体，可以使用深度学习的卷积神经网络来解决。

当需要解决的问题是利用时序数据进行预测或分析时，可以使用机器学习的序列学习方法来解决。例如，建立一个模型来预测股票价格的走势。

当需要解决的问题是利用多种数据源进行联合分析时，可以使用深度学习的多输入多输出模型来解决。例如，要建立一个模型来预测用户的年龄和性别，可以使用深度学习的多输入多输出模型，将用户的图像、文本和音频数据作为输入，并预测用户的年龄和性别作为输出。

总的来说，机器学习适用于解决计算机可以精确描述的问题，而深度学习则更适用于解决人类可以观察到的复杂问题。在选择使用机器学习或深度学习时，还需要考虑数据的类型和规模。如果数据是结构化的数值数据，并且数据规模较小，则可以使用机器学习的方法来解决问题。如果数据是图像、语音或文本数据，并且数据规模较大，则可以使用深度学习的方法来解决问题。

关于学习的先后顺序

建议在学习深度学习之前先学习机器学习。这是因为机器学习是深度学习的基础，而且机器学习的概念比较宽泛，包含了许多不同的算法和技术。学习机器学习可以帮助你了解机器学习的基本概念和方法，为进一步学习深度学习打下基础。

最后多说两句

深度学习作为一种重要的机器学习方法，它使用多层神经网络来解决复杂的学习任务，在许多领域都取得了巨大成功，例如计算机视觉、自然语言处理等。学习深度学习需要具备一定的数学知识，特别是线性代数和微积分的基础。（很多同学留言数学都忘干净了咋办？梗直哥想告诉大家的是：如果你真的是想进入这个行业，那么欠下的数学债肯定是要补的。）如果你对这些数学知识不熟悉，先学习机器学习，然后再学习深度学习，这样的学习路线更合理，也会让你感觉容易很多。

Next 1-5 深度学习的发展历程

同步更新：

Github: https://github.com/Gengzhige

扩展学习：

https://www.bilibili.com/cheese/play/ss1380?spm_id_from=333.999.0.0