深度学习和机器学习有什么区别？

机器学习和深度学习都是人工智能术语。

机器学习指的是，不需要编程就可以使机器可以模仿人类动作的科学。深度学习属于机器学习的分支。

很多时候，人们容易把机器学习和深度学习弄混淆。但实际上，机器学习和深度学习均是人工智能的组成部分。

机器学习利用算法分析数据，并从中学习，然后利用这些数据对特定的事情来做一些预测。机器通过大量数据训练，从而可以执行某个特定的任务。机器学习算法允许机器在没有大量编程的情况下执行任务。

机器学习是一门技术，它赋予机器一种能力，可以从经验中学习并自发地提升自己。在机器学习中，系统里输入数据，机器从信息中学习，并在无人工干预的情况下，利用所学习到的东西来执行任务。

举个例子：

你希望通过机器学习算法从图像和视频中来识别物体。那么，你需要大量的图片素材和视频素材，并且由人工给其做好标签。比如说，图片中“有车”和图片中“没有车”，这两种标签。

机器尝试着建立一种算法，可以基于标签来辨别包含汽车和不包含汽车的图片。一旦准确率变高了，我们就说机器是可以学习的。

同样，如果你给照片里的朋友打上标签，那么机器就会根据关键特征或者是标签来识别他们。

有很长一段时间，计算机视觉是机器学习的最佳应用之一。但是计算机视觉需要大量的手工编码。程序员需要手动编写代码以识别边缘检测过滤器，从而得知运行对象的开始和结束。对于机器来说，识别对象是需要时间的。

随着时间的流逝，算法的提升，这个场景已经有所改变了。

深度学习，是机器学习的一种途径，它试图模仿人类大脑利用神经元工作。人工神经网络（ANN）由算法的分层结构组成。每一个特性由一个结点表示。

深度学习深受大脑工作模式启发，尤其是神经元互连性的影响。这也就是为什么深度学习更胜于一般机器学习模型的原因。

人工神经网络具有多个层级，每个层级可识别对象的一个独特特性。每个层级会选择一个特定的特性去学习，并学习使用它来识别对象。

本文翻译于Quora回答（节选部分）。