機械学習応用は、決定木、サポートベクターマシン、ランダムフォレストなど多様なアルゴリズムを実務に適用すること。構造化データの分析、分類、予測に優れ、説明性が高く、比較的少ないデータで効果的に機能します。
深層学習応用は、多層ニューラルネットワークを活用して画像認識、自然言語処理、音声認識など複雑なパターン認識を実行すること。大量のデータが必要ですが、高度な特徴抽出能力により精度の高い結果が得られます。
機械学習応用は手法の範囲が広く、従来型と深層学習の両方を包含する上位概念です。深層学習応用はその部分集合で、特にニューラルネットワークに特化しています。使う場面として、機械学習応用は構造化データや中程度の複雑さ、深層学習応用は画像・音声・言語など非構造化データの複雑な処理に適しています。データ量でも、機械学習は少ないデータで対応可能、深層学習は大量データが必須です。
データ量が少なく、結果の説明性が重要なら機械学習応用。大量の画像・音声・テキストデータで高精度が必要なら深層学習応用を選びましょう。