机器学习 （Machine Learning, ML)，是多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习作为人工智能(Artificial Intelligence,AI）的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
提到机器学习，它的定义是在不断的探索中，逐渐总结出来的。广泛使用的定义：探究和开发一系列算法来如何使计算机不需要通过外部明显的指示，而可以自己通过数据来学习，建模，并且利用建好的模型和新的输入来进行预测的学科。
1959年，Arthur Samuel 曾给出定义: 一门不需要通过外部程序指示而让计算机有能力自我学习的学科；1996年Langley给出定义：“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”；1997年Tom Michell: “机器学习是对能通过经验自动改进的计算机算法的研究”
总结起来，机器学习就是，针对经验E(experience)和一系列的任务T(tasks)，达到一定表现衡量P（performance），如果随着经验E的积累，针对定义好的任务T可以提高表现P，就可以说系统具有学习能力。举个例子：下棋。使用机器学习来下棋，目的就是通过一场场比赛下棋（E），每场比赛的目的就是胜利（T），而这个过程中，需要系统通过N多场下棋的大数据表现，不断提高胜率（P），过程中就是要不断优化学习算法，提高表现衡量P。
机器学习目前广泛应用在语音识别，自动驾驶，语言翻译，计算机视觉，推荐系统，无人机，识别垃圾邮件等领域。
什么是深度学习？
深度学习是基于机器学习延伸出来的一个新的领域，由以人大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展，并伴随大数据和计算能力的提高而产生的一系列新的算法。深度学习的概念由著名科学家Geoffrey Hinton等人在2006年和2007年在《Sciences》等上发表的文章被提出和兴起。
深度学习，目前被应用在图像处理与计算机视觉，自然语言处理以及语音识别等领域。自2006年至今，学术界和工业界合作在深度学习方面的研究与应用在以上领域取得了突破性的进展。以ImageNet为数据库的经典图像中的物体识别竞赛为例，击败了所有传统算法，取得了前所未有的精确度。
Google，Facebook和百度目前代表着深度学习研究与应用的前沿。Google挖走了Hinton，Facebook挖走了LeCun，百度硅谷的实验室挖走了Andrew Ng，Google还以超过5亿美金收购了专门研究深度学习的初创公司DeepMind。
目前我们使用的Android手机中Google的语音识别，百度识图，Google的图片搜索，都已经使用到了深度学习技术。Facebook在去年名为DeepFace的项目中对人脸识别的准备率第一次接近人类肉眼（97.25% vs 97.5%)。
大数据时代，结合深度学习的发展在未来对我们生活的影响无法估量。保守而言，很多目前人类从事的活动都将因为深度学习和相关技术的发展被机器取代，如自动汽车驾驶，无人飞机，以及更加智能的机器人等。深度学习的发展让我们第一次看到并接近人工智能的终极目标。
Google的无人驾驶汽车
大疆的无人机
科大讯飞的语音识别
百度识图
其实，深度学习的产品已经渗透到我们生活的点点滴滴：语音识别，我每天都在用；图片识别也会经常用到；还有购物网站上，买了件短袖，会同步组合推荐牛仔裤；语言翻译；无人机航拍；针对图片，自动生成文字的描述；包括我们行业内，不同level等级的智能驾驶，甚至一直在路试的自动驾驶。对于做汽车控制，尤其是系统工程师，最好能了解一些智能驾驶和自动驾驶的算法知识，对于我们后续动力系统设计，整车控制策略的设计都有好处。
