深度學習（DL）是機器學習中一種基於對資料進行表徵學習的方法，是一種能夠模擬出人腦的神經結構的機器學習方法。深度學習的概念源於人工神經網路的研究。而人工神經網路ANN（Artificial Neural Network）是從資訊處理角度對人腦神經元網路進行抽象，建立某種簡單模型，按不同的連線方式組成不同的網路，簡稱為神經網路或類神經網路。因此，深度學習又叫深層神經網路DNN（Deep Neural Networks），是從之前的人工神經網路ANN模型發展而來的。

優點有以下幾點：1.相比於傳統的視覺和語音識別方面有了很大的提高；2.具有較好的transfer learning性質。

缺點如下：1.模型正確性驗證複雜且麻煩；2. 某些深度網路不僅訓練而且線上部署也需要GPU支援

相對於其他機器學習方法，使用深度學習生成的模型非常難以解釋。這些模型可能有許多層和上千個節點；單獨解釋每一個是不可能的。資料科學家透過度量它們的預測結果來評估深度學習模型，但模型架構本身是個“黑盒”。