1樓：pjb
總體而言，機器學習是找到乙個能夠較好地模擬樣本資料分布規律的高階函式，模型結構決定了函式的結構，所謂訓練就是尋求函式各項的引數，這是機器學習的本質。所謂深度學習，就是函式維度更高，結構更複雜，引數更多，因而擬合能力更強，當然，所需要的訓練樣本也更多。
機器學習擅長的是模式識別、分類和回歸問題，所以在影象識別、語音識別、情感分類等方面表現優異。讓機器學習常識，也應該是可以的，只是這些常識應該是比較直接的認知常識，比如香蕉是黃色的，太陽從東方公升起，躺倒的汽車是障礙物等，如果常識是需要推理掌握的，目前機器學習還難以直接學習，需要從知識圖譜中查詢得到。比如，廣告牌中的人物不是真的人等。
2樓：大鵬諮道
機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。
機器學習是人工智慧研究較為年輕的分支，它的發展過程大體上可分為4個時期。
第一階段是在20世紀50年代中葉到60年代中葉，屬於熱烈時期。
第二階段是在20世紀60年代中葉至70年代中葉，被稱為機器學習的冷靜時期。
第三階段是從20世紀70年代中葉至80年代中葉，稱為復興時期。
機器學習的最新階段始於2023年。
深度學習的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現資料的分布式特徵表示。
深度學習的概念由Hinton等人於2023年提出。基於深度置信網路(DBN)提出非監督貪心逐層訓練演算法，為解決深層結構相關的優化難題帶來希望，隨後提出多層自動編碼器深層結構。
隨著技術的發展，也不是不可能的事情。
機器學習對VR技術是否有應用？
COCO李晶 很難說，但我相信，機器學習也好，人工智慧也好，一定會和VR有乙個交匯點，現在可能說不准怎麼連線起來，畢竟乙個是智慧型技術，乙個是視覺體驗工具。但我們可以這麼想。如果虛擬實境是營造乙個高度模擬現實的世界，這個世界是充滿想象可人為之的。那麼在這個世界裡，有沒有可能存在著深度學習的應用場景？...
能否將深度學習和傳統機器學習相結合，先用標籤訓練深度神經網路，將最後一層輸出特徵作為如svm的輸入？
李東坡 當然可以。參考大家的回答，這裡總結一下。神經網路可以看做乙個特徵抽取器，至於得到的特徵後續如何處理，需要看自己的業務需求。如果資料量充足，完全可以使用端到端的方式，利用矩陣運算的優勢，神經網路可以取得令人滿意的效果。如果資料量不足，特徵提取後使用機器學習方法，一般不會得到太差的結果，而深度學...
機器學習在應用層面有什麼技術含量？
Francis Lancelot 怎麼說呢，我之前和lz一樣，覺得演算法就是無腦用model，眼緣調參 feature engineer，在學校快樂摸魚加嘲諷。結果後來打了個比賽，發現不同的model如何調參很難，如何使用更新的工具更難 RL,GAN 或者不同的資訊如何融合，新的特徵如何新增，這些都...