Uczenie Głębokie (Deep Learning) – wykorzystanie wielowarstwowych sieci neuronowych.

Uczenie głębokie stanowi zaawansowaną dziedzinę uczenia maszynowego, której podstawą są wielowarstwowe sieci neuronowe. Metoda ta polega na automatycznym wydobywaniu istotnych cech z danych wejściowych poprzez kolejne warstwy neuronów, które możliwie najlepiej odwzorowują złożone zależności i wzorce. Warstwy te są zazwyczaj ułożone hierarchicznie, co umożliwia modelowi tworzenie coraz wyższych reprezentacji abstrahowanych informacji, począwszy od elementarnych cech, aż po złożone struktury semantyczne.

Technologia ta znalazła zastosowanie w wielu dziedzinach, takich jak rozpoznawanie obrazów, przetwarzanie języka naturalnego, analiza sygnałów czy systemy rekomendacyjne. Dzięki głębokim sieciom neuronowym możliwe jest osiągnięcie znacząco wyższej skuteczności w porównaniu z tradycyjnymi metodami uczenia maszynowego, zwłaszcza w przypadkach, gdy liczba dostępnych danych jest bardzo duża. Wymaga to jednak znacznych zasobów obliczeniowych oraz starannego doboru architektury sieci i parametrów treningu.