簡單來說：
1）深度學(xué)習(xí)（Deep Learning）只是機(jī)器學(xué)習(xí)（Machine Learning）的一種類別欧宜，一個(gè)子領(lǐng)域坐榆。機(jī)器學(xué)習(xí) > 深度學(xué)習(xí)
2）大數(shù)據(jù)（Big Data）不是具體的方法，甚至不算具體的研究學(xué)科冗茸，而只是對某一類問題席镀，或需處理的數(shù)據(jù)的描述。
具體來說：
1）機(jī)器學(xué)習(xí)（Machine Learning）是一個(gè)大的方向夏漱，里面包括了很多種approach豪诲。
任務(wù)也可以不同，可以是預(yù)測（prediction）挂绰，分類（classification）屎篱，聚類（clustering），識(shí)別（recognition）扮授，重建（reconstruction）芳室，約束（regularization），甚至降噪（denoising）刹勃，超分辨（super-resolution），除馬賽克（Demosaicing）等等....
2）深度學(xué)習(xí)（Deep Learning）是機(jī)器學(xué)習(xí)的一個(gè)子類嚎尤，一般特指學(xué)習(xí)高層數(shù)的網(wǎng)絡(luò)結(jié)構(gòu)荔仁。這個(gè)結(jié)構(gòu)中通常會(huì)結(jié)合線性和非線性的關(guān)系。
（大家可以加入愛好集結(jié)，一同交流：342836117） 歡迎交流： （老師q：858288017）
3）大數(shù)據(jù)（Big Data乏梁，我們也叫他逼格數(shù)據(jù)....）是對數(shù)據(jù)和問題的描述次洼。通常被廣泛接受的定義是3個(gè)V上的“大”：Volume（數(shù)據(jù)量）, Velocity（數(shù)據(jù)速度）還有variety（數(shù)據(jù)類別）。大數(shù)據(jù)問題（Big-data problem）可以指那種在這三個(gè)V上因?yàn)榇蠖鴰淼奶魬?zhàn)遇骑。
Volume很好理解卖毁。一般也可以認(rèn)為是Large-scale data÷湮“大”可以是數(shù)據(jù)的維度亥啦，也可以是數(shù)據(jù)的size。一般claim自己是big-data的算法會(huì)比較scalable练链，復(fù)雜度上對這兩個(gè)不敏感翔脱。
Velocity就是數(shù)據(jù)到達(dá)的速度。對于數(shù)據(jù)高速到達(dá)的情況媒鼓，需要對應(yīng)的算法或者系統(tǒng)要有效的處理届吁。
Variaty指的是數(shù)據(jù)的類別。以往的算法或者系統(tǒng)往往針對某一種已知特定類別的數(shù)據(jù)來適應(yīng)绿鸣。而一般大數(shù)據(jù)也會(huì)指針對處理那些unstructured data或者multi-modal data疚沐，這就對傳統(tǒng)的處理方法帶來了挑戰(zhàn)。
