機器學習與深度學習的科普

識別知識、學習知識，源於個體，用於群體；監督下的學習，是對經驗和知識的一次回歸，無監督的學習。

機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論與統計、逼近論、凸分析、演算法複雜度理論等。機器學習是一門研究機器獲取新知識和新技能，並識別現有知識的學問。簡單地說，它是人工智慧的核心，是使計算機具有智能的根本途徑，其應用遍及人工智慧的各個領域，它主要使用歸納、綜合而不是演繹。

深度學習的概念是源於人工神經網路的研究領域，由Hinton等人於2006年提出。深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。

同機器學習方法一樣，深度機器學習方法也有監督學習與無監督學習之分．不同的學習框架下建立的學習模型很是不同．例如，卷積神經網路（Convolutional neural networks，簡稱CNNs）就是一種深度的監督學習下的機器學習模型，而深度置信網（Deep Belief Nets，簡稱DBNs）就是一種無監督學習下的機器學習模型。