簡單來說：

1）深度學習（Deep Learning）只是機器學習（Machine Learning）的一種類別，一個子領域。機器學習 > 深度學習

2）大數據（Big Data）不是具體的方法，甚至不算具體的研究學科，而只是對某一類問題，或需處理的數據的描述。

具體來說：

1）機器學習（Machine Learning）是一個大的方向，里面包括了很多種approach。

任務也可以不同，可以是預測（prediction），分類（classification），聚類（clustering），識別（recognition），重建（reconstruction），約束（regularization），甚至降噪（denoising），超分辨（super-resolution），除馬賽克（Demosaicing）等等....

2）深度學習（Deep Learning）是機器學習的一個子類，一般特指學習高層數的網絡結構。這個結構中通常會結合線性和非線性的關系。

（大家可以加入愛好集結，一同交流：342836117） 歡迎交流： （老師q：858288017）

3）大數據（Big Data，我們也叫他逼格數據....）是對數據和問題的描述。通常被廣泛接受的定義是3個V上的“大”：Volume（數據量）, Velocity（數據速度）還有variety（數據類別）。大數據問題（Big-data problem）可以指那種在這三個V上因為大而帶來的挑戰。

Volume很好理解。一般也可以認為是Large-scale data?！按蟆笨梢允菙祿木S度，也可以是數據的size。一般claim自己是big-data的算法會比較scalable，復雜度上對這兩個不敏感。

Velocity就是數據到達的速度。對于數據高速到達的情況，需要對應的算法或者系統要有效的處理。

Variaty指的是數據的類別。以往的算法或者系統往往針對某一種已知特定類別的數據來適應。而一般大數據也會指針對處理那些unstructured data或者multi-modal data，這就對傳統的處理方法帶來了挑戰。