很多人把深度学习、机器学习和大数据混为一谈其实它们压根不是同一层面的概念。简单来说机器学习 深度学习深度学习只是机器学习的一个子类大数据不是方法而是对问题的描述下面展开说说。机器学习是一个大的学科方向内含多种方法和任务。常见任务包括预测、分类、聚类、识别、重建、降噪、超分辨、去马赛克等。它解决的是“怎么让机器从数据中学到规律”的问题。深度学习则是机器学习的一个子类特指学习多层网络结构的方法通常结合线性与非线性变换。它不是全部机器学习只是其中一条技术路线。大数据圈内戏称“逼格数据”本质上是对数据和问题规模的描述。业界公认的“3V”定义是Volume体量大数据量或维度巨大算法要具备可扩展性对规模和维度不敏感Velocity速度快数据高速到达系统必须能实时或近实时处理Variety类型杂数据不再局限于单一格式包含非结构化、多模态数据传统方法很难直接套用。所以如果你遇到的是这三方面带来的挑战那才算真正的大数据问题。而解决这些问题可能需要机器学习也可能不需要即便用机器学习也不一定非得用深度学习。总结一句话大数据是“题目”机器学习是“工具箱”深度学习是“其中一把扳手”——各有各的位置别再傻傻分不清了。