在本章中，我们将讨论机器学习和深度学习概念之间的主要差异。
Amount of Data
机器学习使用不同量的数据，主要用于处理少量的。另一方面，如果数据量快速增加，则深度学习会有效工作。下图描述了机器学习和深度学习相对于数据量的工作方式：
Hardware Dependencies
与传统机器学习算法相反，深度学习算法旨在严重依赖于高端机器。深度学习算法执行大量的矩阵乘法运算，这需要巨大的硬件支持。
Feature Engineering
特征工程是指将领域知识放入指定特征以降低数据复杂度并使模式对学习算法可见的过程。
例如，传统的机器学习模式集中在像素和其他特征工程过程所需的属性。深度学习算法集中在从数据中获取高级特征。它减少了为每个新问题开发新特征提取器的任务。
