深層学習 vs 従来の機械学習

実はそうとも限らないのよ。
従来の機械学習 (決定木?
、ランダムフォレスト?
、SVM?
など) の方が適している場面も多いの。

違いを整理しましょう。
深層学習は大量のデータと計算資源が必要だけど、画像・音声・テキストといった非構造化データ?
に強いの。
従来手法は少量データでも動きやすく、解釈がしやすく、表形式データに強いわ。

まさにそのとおり。
問題の性質、データの量と種類、計算リソース、解釈性?
の要求度、応答速度、これらを天秤にかけて選ぶのが実務のセンスよ。

あんずさん、さすがのたとえね。
最新のトレンドでは、表データでも深層学習で勝つTabNet?
のような研究もあるから、境界線は今後も動くわ。

だからこそ、基礎をしっかり押さえておくのが大事なのよ。
今の知識があれば、新しい技術が出ても『ああ、あの発展形ね』と分かるから。

技術同士も『チームプレー』が大事なのよ。
すごい技術にも限界があって、だからこそ他の仲間と組む。
あんずさんの得意なバドミントンと一緒ね。