深度學習是壹種機器學習方法，它接受輸入X並使用它來預測Y的輸出..例如，給定過去壹周的股價作為輸入，我的深度學習算法將嘗試預測第二天的股價。
給定輸入和輸出對的大型數據集，深度學習算法將嘗試最小化其預測和預期輸出之間的差異。通過這樣做，它試圖學習給定輸入和輸出之間的關聯/模式-這反過來又允許深度學習模型擴展到它從未見過的輸入。
作為另壹個例子，假設輸入是狗和貓的圖像，輸出是這些圖像的標簽（即輸入圖像是狗或貓）。如果輸入帶有狗的標簽，但深度學習算法預測到貓，我的深度學習算法將知道我給定圖像的特征（例如，鋒利的牙齒、面部特征）將與狗相關聯。
深度學習內容簡介:
深度學習是壹類模式分析方法的總稱。就具體研究內容而言，主要涉及三類方法:
（1）卷積神經網絡（CNN）是基於卷積運算的神經網絡系統。
（2）基於多層神經元的自編碼神經網絡近年來受到廣泛關註，包括自動編碼和稀疏編碼。
（3）用多層自編碼神經網絡進行預訓練，並結合識別信息進壹步優化神經網絡權值的深度置信度網絡（DBN）。
以上內容參考:？百度百科-深度學習