深度學習的核心是人工神經網絡（Artificial Neural Networks），由具有多個節點（神經元）、連接權重的層、和神經網路中的激勵函數所組成。這些神經網絡可以通過大量的數據訓練，自動學習和提取數據的特徵，並用於分類、回歸、圖像處理、自然語言處理等各種應用。
簡單來說，深度學習就是透過各種的神經網路，將一大堆的數據輸入神經網路中，讓電腦透過上篇提到的機器學習中的訓練來計算或找出其中的線性或特徵規律並自動學習，最後使電腦能夠依據自動學習累積的經驗做出預測。
深度學習是一種利用電腦來模擬人類的神經網路，並將神經網路分為很多個層面，一般情況會有1個輸入層、隱藏層和1個輸出層，因為隱藏層可以有非常多層，因此被命名為深度學習。
我們常見的深度學習應用有自然語言處理、語音識別、遊戲、醫療診斷等，如前幾年打敗世界圍棋冠軍的機器人AlphaGo，它就是利用深度學習來反覆讀取人類存留的棋譜最後才能達到這樣的高度。
iThome鐵人賽
看影片追技術