learning是什麼 deep

deep learning是深度學習，是機器學習的分支，是一種以人工神經網路為架構，對資料進行表徵學習的演算法。

至今已有數種深度學習框架，如深度神經網路、卷積神經網路和深度置信網路和遞迴神經網路已被應用在計算機視覺、語音識別、自然語言處理、音訊識別與生物資訊學等領域並獲取了極好的效果。另外，“深度學習”已成為類似術語，或者說是神經網路的品牌重塑。

通過多層處理，逐漸將初始的“低層”特徵表示轉化為“高層”特徵表示後，用“簡單模型”即可完成複雜的分類等學習任務。由此可將深度學習理解為進行“特徵學習”（feature learning）或“表示學習”（representation learning）。

以往在機器學習用於現實任務時，描述樣本的特徵通常需由人類專家來設計，這成為“特徵工程”（feature engineering）。眾所周知，特徵的好壞對泛化效能有至關重要的影響，人類專家設計出好特徵也並非易事；特徵學習（表徵學習）則通過機器學習技術自身來產生好特徵，這使機器學習向“全自動資料分析”又前進了一步。