在本章中，我们将讨论机器和深度学习概念之间的主要区别。
数据量
机器学习使用不同数量的数据，主要用于少量数据。另一方面，如果数据量迅速增加，深度学习可以有效地工作。下图描绘了机器学习和深度学习在数据量方面的工作 -
硬件依赖
与传统的机器学习算法相反，深度学习算法设计为在很大程度上依赖于高端机器。深度学习算法执行大量矩阵乘法运算，这需要巨大的硬件支持。
特色工程
特征工程是将领域知识放入指定特征的过程，以降低数据的复杂性并制作学习算法可见的模式。
例如，传统的机器学习模式关注于特征工程过程所需的像素和其他属性。深度学习算法专注于数据的高级特征。它减少了为每个新问题开发新功能提取器的任务。
