從機器學習從業者的角度上看，我認為深度學習最大的幾個優點是：

告別了特徵工程：任何一個機器學習工程師都知道特徵工程的重要性，在堆機器上深度學習之前，特徵工程專家經驗一直是機器學習的不二法寶，也是kaggle的打榜神器。其實從cv近些年研究熱點的變化上，也可以看出深度學習在這一點上帶來的巨大變化。降低了准入門檻：特徵工程是個髒累還容易沒效果的活，自從dl大放異彩後，特徵工程已經不再顯得那麼重要了，這也使得機器學習工程師的入門門檻進一步降低。以前大家還要了解構造特徵的七十八變，現在基本可以一把梭跨領域知識共享：比如cnn是基於圖形學的使用場景構造的，但是後來大家發現，改進下在nlp裡面也可以使用，這就很奈斯了。再後來，做transfer learning的發現dl的預訓練模型在不同使用場景下共享後效果還不錯，這路子比傳統機器學習來得輕鬆多了

當然，這些優點都要感謝算力的大幅提高和各個大廠砸錢砸卡的豪橫氣息，使得更多的工程師和學者加入進來，形成的這個生態也算是深度學習另一個技術本身之外的優勢吧

深度學習是大資料時代的演算法利器，成為近幾年的研究熱點。和傳統的機器學習演算法相比，深度學習技術有著兩方面的優勢。一是深度學習技術可隨著資料規模的增加不斷提升其效能，而傳統機器學習演算法難以利用海量資料持續提升其效能。二是深度學習技術可以從資料中直接提取特徵，削減了對每一個問題設計特徵提取器的工作，而傳統機器學習演算法需要人工提取特徵。因此，深度學習成為大資料時代的熱點技術，學術界和產業界都對深度學習展開了大量的研究和實踐工作。

關注優就業，學習更多IT知識。