一、指代不同

1、機器學習算法：是一門多領(lǐng)域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。

2、深度學習：是機器學習(ML, Machine Learning)領(lǐng)域中一個新的研究方向，它被引入機器學習使其更接近于最初的目標人工智能。

二、學習過程不同

1、機器學習算法：學習系統(tǒng)的基本結(jié)構(gòu)。環(huán)境向系統(tǒng)的學習部分提供某些信息，學習部分利用這些信息修改知識庫，以增進系統(tǒng)執(zhí)行部分完成任務(wù)的效能，執(zhí)行部分根據(jù)知識庫完成任務(wù)，同時把獲得的信息反饋給學習部分。

2、深度學習：通過設(shè)計建立適量的神經(jīng)元計算節(jié)點和多層運算層次結(jié)構(gòu)，選擇合適的輸人層和輸出層，通過網(wǎng)絡(luò)的學習和調(diào)優(yōu)，建立起從輸入到輸出的函數(shù)關(guān)系，雖然不能100%找到輸入與輸出的函數(shù)關(guān)系，但是可以盡可能的逼近現(xiàn)實的關(guān)聯(lián)關(guān)系。

三、應(yīng)用不同

1、機器學習算法：：數(shù)據(jù)挖掘、計算機視覺、自然語言處理、生物特征識別、搜索引擎、醫(yī)學診斷、DNA序列測序、語音和手寫識別、戰(zhàn)略游戲和機器人運用。

2、深度學習：計算機視覺、語音識別、自然語言處理等其他領(lǐng)域。

通常來說，為了實現(xiàn)人工智能，我們會使用機器學習。我們有幾種用于機器學習的算法，比如Find-S、決策樹、隨機森林、人工神經(jīng)網(wǎng)絡(luò)。一般來說，有3類學習算法，第一種是監(jiān)督機器學習算法進行預測。此外，該算法在分配給數(shù)據(jù)點的值標簽中搜索模式。第二種是無監(jiān)督機器學習算法，沒有標簽與數(shù)據(jù)關(guān)聯(lián)。并且，這些 ML 算法將數(shù)據(jù)組成簇。此外它需要描述其結(jié)構(gòu)，并使復雜的數(shù)據(jù)看起來簡單且能有條理的分析。第三種是增強機器學習算法，我們使用這些算法選擇動作。并且，我們能看到它基于每個數(shù)據(jù)點。一段時間后，算法改變策略來更好地學習。
一般來說，我們用機器算法來解析數(shù)據(jù)、學習數(shù)據(jù)，并從中做出理智的判定。根本上講，深度學習用于創(chuàng)建可自我學習和可理智判定的人工“神經(jīng)網(wǎng)絡(luò)”。我們可以說深度學習是機器學習的子領(lǐng)域。那么機器學習和深度學習的區(qū)別在哪里呢？具體來說有很多，其中數(shù)據(jù)依賴是其中的一種，性能是區(qū)別二者的最主要之處。當數(shù)據(jù)量小時，深度學習算法表現(xiàn)不佳。這就是DL算法需要大量的數(shù)據(jù)才能完美理解的唯一原因。