Jedná se o podoblast strojového učení, která se zaměřuje na vytváření modelů a algoritmů, které jsou schopné samoorganizovat a reprezentovat složité vzorce v datech.
Hluboké učení využívá umělých neuronových sítí, což jsou matematické modely, které napodobují fungování lidského mozku. Tyto sítě jsou navrženy tak, aby byly schopné automaticky identifikovat a naučit se z vstupních dat. Hluboké učení se často využívá v oblastech jako jsou rozpoznávání obrazu, zpracování přirozeného jazyka, rozpoznávání řeči, hudební analýza a další.
Hluboké učení se od klasických metod strojového učení liší tím, že umožňuje vytvořit složitější modely a algoritmy, které mohou být použity pro široké spektrum úkolů. Tyto modely a algoritmy jsou schopné se učit z velkých datových souborů a přizpůsobovat se novým situacím a vstupním datům.
Hluboké učení se stalo velmi populární v posledních letech, díky výraznému nárůstu výpočetních kapacit a množství dostupných dat. Tato technologie má potenciál přinést zásadní inovace v mnoha oblastech, jako jsou autonomní vozidla, přirozeného jazyka, diagnostika nemocí, umělecká tvorba a další
v Ostravě.