یادگیری عمیق یکی از شاخه های یادگیری ماشین است که در حوزه های مختلفی از جمله بینایی ماشین، پردازش گفتار، ترجمه ماشینی، تشخیص الگو ها، تحلیل متن و غیره کاربرد دارد.
الگوریتم یادگیری عمیق بر پایه شبکه های عصبی عمیق عمل می کند. در این الگوریتم، شبکه های عصبی با تعداد زیادی لایه میانی عمیق و پیچیده ایجاد می شوند، به گونه ای که قادر به یادگیری و تعمیم دهی اطلاعات بسیار پیچیده و هم چنین تشخیص الگو های پیچیده می شوند. به بیان دیگر، در این شبکه ها هرچه تعداد لایه ها بیشتر شود، حجم داده آموزشی مورد استفاده برای آموزش آنها بیشتر می شود، و در نتیجه قابلیت یادگیری و تعمیم دهی در این شبکه ها بهبود می یابد. 



<<جهت آشنایی با معماری شبکه های عصبی به لینک زیر مراجعه کنید:
https://viraweb123.ir/forum/ai-41/m-mry-shbkhh-sby-dr-hwsh-msnw-y-bh-chh-swrt-ml-mykhnd-1623
>>>

از شبکه های عصبی عمیق معروف که در روش یادگیری عمیق به وفور مورد استفاده قرار می گیرند، می توان به شبکه های عصبی کانولوشن یا Convolutional Neural Network (CNN) و شبکه های عصبی بازگشتی یا Recurrent Neural Network (RNN) اشاره کرد.