深度学习是机器学习的一个子集，它使用被称为神经网络的结构，特别是深层神经网络，来学习数据中的复杂模式。深度学习模型通常包含多层（因此得名“深度”），每一层都对数据进行转换和抽象。
- 通常需要大量的数据才能表现出优越性，因为深层神经网络需要大量的参数训练，这些参数在大数据集上能够更好地学习
- 能自动从数据中学习复杂的特征表示，减少了对手动特征工程的需求。例如，在图像处理中，深度学习模型能自行学习从边缘到更复杂的图像特征的表示
- 需要大量的计算能力，尤其是图形处理单元（ GPU ）的支持，以有效地训练模型
- 特别适合于视觉和语音相关的问题，如图像识别、自动驾驶车辆、语音识别和自然语言处理
总结来说， 深度学习可以被视为机器学习技术的一个高级和复杂版本 ，它利用了大量数据和计算力来处理那些传统机器学习算法难以解决的问题。