السؤال غير واضح بشكل جيد, لأن التعليم العميق في حقيقة الأمر ينحدر تحت التعليم العالي, أي أنه تعليم آلي أيضاً, لكن ربما أنت تسأل الفرق بينه و بين التعليم الآلي التقليدي

في التعلم الآلي التقليدي ، تتضمن عملية هندسة الميزات التحديد اليدوي وتصميم الميزات أو تمثيلات البيانات التي يُعتقد أنها ذات صلة بالمهمة المطروحة. يمكن أن يشمل ذلك استخراج خصائص أو خصائص معينة من البيانات وإنشاء تمثيلات رقمية أو فئوية تلتقط معلومات مهمة. غالبًا ما يتطلب اختيار وتصميم هذه الميزات خبرة في المجال ومعرفة بالمشكلة.

على سبيل المثال ، إذا كنت تعمل على مهمة تصنيف نص ، يمكنك هندسة ميزات يدويًا مثل عدد الكلمات ، أو n-grams ، أو قيم tf-idf (مصطلح تردد عكس تردد الوثيقة) من المستندات النصية. تعمل هذه الميزات كمدخلات لخوارزميات التعلم الآلي ، والتي تتعلم بعد ذلك ربط الميزات الهندسية بالمتغير المستهدف (على سبيل المثال ، تسميات الفصل).

من ناحية أخرى ، فإن خوارزميات التعلم العميق ، وخاصة الشبكات العصبية العميقة ، لديها القدرة على تعلم التمثيل الهرمي للبيانات تلقائيًا من خلال طبقات متعددة من التجريد. بدلاً من الاعتماد على الميزات المصممة يدويًا ، تتعلم نماذج التعلم العميق استخراج الميزات ذات الصلة مباشرة من البيانات الأولية. يتم تحقيق ذلك من خلال تمثيلات التعلم التدريجي على مستويات مختلفة من التجريد ، حيث تتعلم كل طبقة في الشبكة استخراج ميزات أكثر تعقيدًا استنادًا إلى الأنماط التي تمت ملاحظتها في الطبقة السابقة.

في سياق تصنيف الصور ، على سبيل المثال ، يمكن للشبكة العصبية العميقة أن تتعلم التعرف على الحواف في الطبقات الأولية ، ثم دمج الحواف لاكتشاف الأشكال ، وأخيراً دمج الأشكال لتحديد الكائنات. يلغي التعلم التمثيلي الهرمي في التعلم العميق الحاجة إلى هندسة الميزات اليدوية ، حيث تكتشف الشبكة تلقائيًا وتستخدم الميزات الأكثر إفادة للمهمة المحددة.

أيضا التعليم العميق يحتاج إلى قاعدة بيانات كبيرة ليعطي نتائج أفضل بعكس التعليم الآلي التقليدي الذي يمكن استخدام قاعدة بيانات صغيرة معه

التعليم العميق يحتاج إلى حاسوب آلي ذات ذاكرة كبيرة و معالج قوي و سريع

التعليم العميق عبارة عن نماذج الصندوق الأسود ، مما يعني أن أعمالهم الداخلية قد يكون من الصعب تفسيرها وفهمها أو لا يمكن تفسيرها أصلا. في المقابل ، غالبًا ما تكون نماذج التعلم الآلي التقليدية أكثر قابلية للتفسير ، لأن ميزاتها وعمليات صنع القرار فيها أكثر شفافية.

Dear Wisam Mohammed Abed Alqaraghuli,

the following link is suitable to find the difference between Deep learning and Machine learning.

Best Regards

https://levity.ai/blog/difference-machine-learning-deep-learning

Deep learning is better than small scale machine learning algorithms when data contains a greater amount of 3V (Volume, Velocity, and Variety). Otherwise, small scale machine learning may or may not outperform deep learning in small scale tasks. So, do we require both? I believe we do.

When it comes to the distinction between the two, deep learning has an advantage over machine learning. Deep learning is primarily concerned with feature representation. In other words, the more meaningfully presented the data is, the more accurate it will be. Small scale machine learning ignores this while focusing on approximation and generalization. This is why deep learning introduces substantial feature engineering via numerous layers of non-leaner approximation. More details of mathematical definitions can be found in the following files.

Article What are Recurrent Expansion Algorithms? Exploring a Deeper ...

https://zenodo.org/record/7902722

https://levity.ai/blog/difference-machine-learning-deep-learning

https://www.youtube.com/watch?v=terWb6ja-HM