深度学习是一种机器学习，使用神经网络来掌握复杂模式. 这种类型的技术允许人工智能系统执行类似人类的任务，“例如识别现实生活中的物体或理解言语。” 虽然这些受大脑启发的网络的操作仍然难以理解，但它们相互连接的层算法使机器能够接受训练和执行特定任务。驱动这个过程的算法解释了更多和更抽象的变量。

深度学习的其他定义包括：

“一种特定类型的机器学习，其中学习发生在连续的层中——每一层都增加了前一层的知识。”
“模仿人脑行为的技术，允许软件在最少的人工干预下自行训练和探索环境。”
“一种机器学习形式，使计算机能够从经验中学习并根据概念层次来理解世界。”
“尖端技术的尖端更狭隘地关注机器学习工具和技术的子集，并将它们应用于解决”需要思考的问题。
“受人脑结构启发的人工智能的一个分支...... [这使]机器能够凭直觉感知物理世界。”
软件试图“模拟新皮质中神经元层的活动，大脑中有 80% 的皱纹是发生思考的地方。该软件在非常真实的意义上学习识别声音、图像和其他数据的数字表示中的模式。”
企业使用深度学习来：

检测恶意软件.
提升数据分析.
改进产品和服务，例如图像识别.
自动分析和报告。


加速机器训练和机器学习。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！ 机器学习模型方法总结 历史最全机器学习/深度学习/人工智能专业术语表中英对照表 机器学习如何应用于商业场景？三个真实的商业项目 数据工作者的自我修养 | 哪些技能是必不可少的？ 《汗牛充栋：数据分析书籍分享》CDA网校新课上线 文本挖掘常用的107个语料库 一图读懂“东数西算”工程 零基础转行数据分析，看这篇文章就够了