既然講到了人工智慧，就來詳細介紹一下人工智慧的其中一個方法__深度學習。深度學習是以人工神經網路為架構對資料進行特徵學習的演算法。深度學習模型可以識別的資料型態很廣包含圖片、文字甚至是聲音等等的資料，運用範圍廣泛像是我們平常使用的將聲音轉錄為文字。
而深度學習的模型主要由六個部分來組成，分別有輸入層、卷積層、池化層、特徵圖、全連接層和Softmax函數(output)。運作步驟搭配以上六個組成架構簡單的說，一開始的輸入層就是將前處理好的資料尺寸和值域輸入模型，之後用卷積層來抽取特徵，再來經池化層萃取壓縮訊息，最後抽取的資訊彙整成特徵圖輸入全連結層和Softmax函數作為分類器的功能。
使用深度學習的優點有哪些呢？深度學習除了可以有效的處理非結構化的資料和處理動態資料之外，因為深入的分析大量資料，所以可以發現還並未訓練過的新洞察，簡而言之就是發現隱藏的關係然後模式探索，而這就是深度學習的無監督學習。
看影片追技術