原文：
www.kdnuggets.com/2014/10/deep-learning-make-machine-learning-algorithms-obsolete.html
深度学习迅速发展，并以惊人的经验结果让我们感到惊讶。关于深度学习是否会使其他机器学习算法过时，在 Quora 上有讨论。具体来说，像反向传播、HMM 这样的相关算法是否会像感知机一样过时？
哦，很难回答。Jack Rae 提供了一个有趣的回答，他说
过去几年的经验结果表明，当数据集足够大时，深度学习提供了最佳的预测能力。这是真的吗？我不知道在过去一年中是否有超过一亿行数据的预测能力被击败的例子。
他认为，深度学习将把其他学习算法推向灭绝的边缘，这是因为深度学习在中到大型数据集上的无与伦比的预测能力。其他算法会在人们开始将深度学习视为一些问题（如模式识别）的首选解决方案时变得过时。
另一方面，大多数人仍然相信深度学习不会取代所有其他模型和算法。Jacob Steinhart 的观点获得了最多的赞同。他写道
1. 对于许多应用来说，像逻辑回归或支持向量机这样的简单算法就足够了，而使用深度信念网络只会让事情变得复杂。
2. 虽然深度信念网络是最好的领域无关算法之一，但如果有人具备领域知识，那么许多其他算法（如用于语音识别的 HMM、用于图像的波形等）可以超越它们。虽然正在进行一些将领域知识融入神经网络模型的工作，但显然还不够，无法完全替代所有其他模型和算法。
上面是由 Eren Golge 创建的机器学习时间轴。
深度学习将成为主流，就像支持向量机（SVM）一样，后者在 2000 年代初期得到了迅速改进。然而，深度学习的复杂性及其对大量数据的需求仍然需要解决，才能使深度学习成为机器学习算法的首选。
Ran Bi 是纽约大学数据科学项目的硕士生。在 NYU 学习期间，她参与了多个机器学习、深度学习以及大数据分析的项目。
相关链接：
-
深度学习 – 学习和理解的重要资源
-
深度学习是否存在深层缺陷？
-
CuDNN – 一个新的深度学习库
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你的组织的 IT