سلام
دیپ لرنینگ یک الگوریتم نیست. یه زیر شاخته از ماشین لرنینگ هست که خودش زیرمجموعه های مختلفی داره و معماری های(الگوریتمها) مختلفی ازش وجود داره .بهتره بگیم مجموعه ای الگوریتم هاو تکنیک هاست که البته مبتنی بر شبکه های عصبی هم هست. تو حوزه های مختلفی هم همونطور که عرض کردم استفاده میشه .(supervised, unsupervised, etc)
svm یک الگوریتم تو حوزه یادگیری کم عمق بحساب میاد. و ازش بعنوان یک دسته بند استفاده میکنن در حوزه supervised learning.
مهمترین و بارزترین تفاوت بین روشهای یادگیری عمیق و روشهای کم عمق در یادگیری ویژگی هست که در روشهای عمیق بصورت خودکار انجام میشه. از svm بعنوان یه دسته بند استفاده میشه که اگر مثلا شما بخوایید یه کار دسته بندی یا تشخیص شی ای مثلا انجام بدید قبلش حتما باید یک مهندسی ویژگی ای انجام داده باشید و ویژگی های بدست اومده رو استفاده کنید با svm تا فعالیت مورد نظر رو به انجام برسونید.
در معماری های عمیق این بصورت خودکار انجام میشه و بخشی از مرحله اموزشه. و دقتی که بخاطر همین مساله بدست میاد قابل قیاس با هیچ روشی قبل از یادگیری عمیق نیست.
اینم اشاره کنم که همونطور که جناب خالقی گفتن شما میتونید از یک svm هم در یک معماری عمیق برای دسته بندی نهایی استفاده کنید. پس شما هم میتونید بعنوان یک معماری endtoend استفاده کنید و هم از اونها برای فیچر اکسترکشن بهره ببرید و از فیچرها یا ویژگی های بدست اومده با یک svm یا هر چیز دیگه ای که مدنظرتون هست استفاده اشون کنید.
اینکه چرا عمیق! گفتن اشاره به عمق شبکه ها داره و چرا هرچه عمیقتر بهتر ؟ چون سلسله مراتبی از انتزاعات بوجود میاد که مبتنی بر این سلسله مراتب عمل شناخت و تمییز دادن به بهترین شکل انجام میشه و اون آموزش به نتیجه عالی خودش میرسه.
حوزه یادگیری عمیق بشدت در حال پیشرفت هست و الگوریتم ها و بهینه سازی های خیلی زیادی بصورت روزانه و هفتگی داره ارائه میشه که لازمه اش تحقیق زیاد تو زمینه مورد نظر هر فرده.
در مورد دیپ لرنینگ و اینکه چی هست پست های ابتدایی سایت توضیحاتی دادم اونها رو حتما مطالعه کنید. به احتمال زیاد خیلی از سوالاتتون جواب داده میشه.