简单来说:
1)深度学习(Deep Learning)只是机器学习(Machine Learning)的一种类别,一个子领域。机器学习 > 深度学习
2)大数据(Big Data)不是具体的方法,甚至不算具体的研究学科,而只是对某一类问题,或需处理的数据的描述。
具体来说:
1)机器学习(Machine Learning)是一个大的方向,里面包括了很多种approach。
任务也可以不同,可以是预测(prediction),分类(classification),聚类(clustering),识别(recognition),重建(reconstruction),约束(regularization),甚至降噪(denoising),超分辨(super-resolution),除马赛克(Demosaicing)等等....
2)深度学习(Deep Learning)是机器学习的一个子类,一般特指学习高层数的网络结构。这个结构中通常会结合线性和非线性的关系。
3)大数据(Big Data,我们也叫他逼格数据....)是对数据和问题的描述。通常被广泛接受的定义是3个V上的“大”:Volume(数据量), Velocity(数据速度)还有variety(数据类别)。大数据问题(Big-data problem)可以指那种在这三个V上因为大而带来的挑战。
Volume很好理解。一般也可以认为是Large-scale data。“大”可以是数据的维度,也可以是数据的size。一般claim自己是big-data的算法会比较scalable,复杂度上对这两个不敏感。
Velocity就是数据到达的速度。对于数据高速到达的情况,需要对应的算法或者系统要有效的处理。
Variaty指的是数据的类别。以往的算法或者系统往往针对某一种已知特定类别的数据来适应。而一般大数据也会指针对处理那些unstructured data或者multi-modal data,这就对传统的处理方法带来了挑战。