PyTorch - Makine Öğrenimi ve Derin Öğrenme

Bu bölümde, Makine ve Derin öğrenme kavramları arasındaki temel farkı tartışacağız.

Data miktarı

Makine öğrenimi, farklı miktarlarda verilerle çalışır ve esas olarak küçük miktarlarda veri için kullanılır. Öte yandan derin öğrenme, veri miktarı hızla artarsa ​​verimli bir şekilde çalışır. Aşağıdaki diyagram, veri miktarına göre makine öğreniminin ve derin öğrenmenin çalışmasını göstermektedir -

Donanım Bağımlılıkları

Derin öğrenme algoritmaları, geleneksel makine öğrenimi algoritmalarının aksine büyük ölçüde ileri teknoloji makinelere bağlı olacak şekilde tasarlanmıştır. Derin öğrenme algoritmaları, büyük bir donanım desteği gerektiren büyük miktarda matris çarpma işlemi gerçekleştirir.

Özellik Mühendisliği

Özellik mühendisliği, verilerin karmaşıklığını azaltmak ve öğrenme algoritmaları tarafından görülebilen desenler oluşturmak için alan bilgisini belirtilen özelliklere yerleştirme sürecidir.

Örneğin, geleneksel makine öğrenimi kalıpları, özellik mühendisliği süreci için gereken piksellere ve diğer özelliklere odaklanır. Derin öğrenme algoritmaları, verilerden üst düzey özelliklere odaklanır. Her yeni sorun için yeni özellik çıkarıcı geliştirme görevini azaltır.