机器学习和深度学习都是人工智能的类型。简而言之，机器学习是能够在最少的人为干扰下自动适应的人工智能。深度学习是机器学习的一个子集，它使用人工神经网络来模仿人脑的学习过程。

什么是机器学习？

机器学习是指对计算机系统的研究，该系统可以根据经验自动学习和适应，而无需明确编程。

通过简单的人工智能，程序员可以通过手动编码每个“决策”来告诉机器如何响应各种指令集。借助机器学习模型，计算机科学家可以通过向机器提供大量数据来“训练”机器。该机器遵循一组称为算法的规则来分析数据并从中得出推论。机器解析的数据越多，执行任务或做出决策的能力就越好。

什么是深度学习？

机器学习算法在出错时通常需要人工纠正，而深度学习算法可以通过重复来改善其结果，而无需人工干预。机器学习算法可以从相对较小的数据集中学习，但深度学习算法需要可能包含多样化和非结构化数据的大数据集。

将深度学习视为机器学习的演变。深度学习是一种机器学习技术，它将算法和计算单元（或神经元）分层到所谓的人工神经网络中。这些深层神经网络的灵感来自于人脑的结构。数据以非线性方式通过这个相互关联的算法网络，就像我们的大脑处理信息的方式一样。

机器学习和深度学习的差异

首先机器学习是人工智能的一个子集，另外可以在较小的数据集上进行训练，同时需要更多的人为干预来纠正和学习，不过训练时间较短，准确率较低，根据数据建立简单的线性相关性，通常可以在CPU（中央处理器）上进行训练。

而深度学习是机器学习的一个子集，通常需要大量数据，从环境和过去的错误中自行学习，训练时间更长，准确率更高，最终会根据数据产生非线性、复杂的相关性，另外通常需要专门的GPU来训练 。