[Machine Learning vs Deep Learning]
Pembelajaran Mesin (Machine Learning) adalah salah satu cabang ilmu dalam kepintaran buatan (AI) yang memfokuskan kepada penciptaan satu sistem komputer (atau robot) yang berupaya untuk belajar sendiri daripada pengalaman. Dalam pembelajaran mesin, fokus utama adalah mencipta model algoritma yang mampu menganalisa data input yang telah disimpan (history data) dan data masa nyata (live data) untuk memperbaiki kecekapan sesuatu bidang tugas yang spesifik (contohnya mengenalpasti jenis buah tempatan daripada gambar di Internet). Kebiasaannya tugas pembelajaran mesin memerlukan kepada pemilihan algoritma pembelajaran yang sesuai dan input data (features) untuk meramalkan keputusan atau tindakan baru. Contoh aplikasi pembelajaran mesin yang popular adalah perlombongan data (data mining).
Pembelajaran Mendalam (Deep Learning) adalah satu cabang kajian dalam Pembelajaran Mesin yang khusus menggunakan model algoritma pembelajaran rangkaian neural buatan (Artificial Neural Network) untuk menghasilkan keputusan atau tindakan baru. Dalam tugas pembelajaran mendalam, data input yang besar seperti teks, video atau audio boleh dihuraikan secara automatik kepada ciri-ciri (features) yang utama untuk menentukan output keputusan akhir. Kebiasaannya model ini terdiri daripada beberapa lapisan pemprosesan yang saling berhubung (seperti sel otak) antara satu sama lain semasa aktiviti pembelajaran dijalankan. Contoh aplikasi pembelajaran mendalam yang popular adalah dron pandu sendiri, pengecaman suara dan translasi video.
