在本章中，我们将讨论机器学习和深度学习概念之间的主要区别。

数据量

机器学习使用不同数量的数据，并且主要用于少量数据。另一方面，如果数据量迅速增加，则深度学习将有效地工作。下图描述了关于数据量的机器学习和深度学习的工作-

硬件依赖性

与传统的机器学习算法相反，深度学习算法被设计为严重依赖高端机器。深度学习算法执行大量矩阵乘法运算，这需要强大的硬件支持。

特征工程

特征工程是将领域知识放入指定特征中的过程，以降低数据的复杂性并创建对学习算法可见的模式。

例如，传统的机器学习模式着重于特征工程过程所需的像素和其他属性。深度学习算法专注于数据的高级功能。它减少了为每个新问题开发新特征提取器的任务。