深度學習是壹類模式分析方法的統稱，就具體研究內容而言，主要涉及三類方法：
(1)基於卷積運算的神經網絡系統，即卷積神經網絡(CNN)。?
(2)基於多層神經元的自編碼神經網絡，包括自編碼( Auto encoder)以及近年來受到廣泛關註的稀疏編碼兩類( Sparse Coding)。
(3)以多層自編碼神經網絡的方式進行預訓練，進而結合鑒別信息進壹步優化神經網絡權值的深度置信網絡(DBN)。
深度學習作為實現機器學習的技術，拓展了人工智能領域範疇，主要應用於圖像識別、語音識別、自然語言處理。推動市場從無人駕駛和機器人技術行業擴展到金融、醫療保健、零售和農業等非技術行業，因此掌握深度學習的AI工程師成為了各類型企業的招聘熱門崗位。、
中公教育聯合中科院專家打造的深度學習分八個階段進行學習：
第壹階段AI概述及前沿應用成果介紹
深度學習的最新應用成果
單層/深度學習與機器學習
人工智能的關系及發展簡
第二階段神經網絡原理及TensorFlow實戰
梯度下降優化方法
前饋神經網絡的基本結構和訓練過程
反向傳播算法
TensorFlow開發環境安裝
“計算圖”編程模型
深度學習中圖像識別的操作原理
第三階段循環神經網絡原理及項目實戰
語言模型及詞嵌入
詞嵌入的學習過程
循環神經網絡的基本結構
時間序列反向傳播算法
長短時記憶網絡（LSTM）的基本結構
LSTM實現語言模型
第四階段生成式對抗網絡原理及項目實戰
生成式對抗網絡（GAN）的基本結構和原理
GAN的訓練過程
GAN用於圖片生成的實現
第五階段深度學習的分布式處理及項目實戰
多GPU並行實現
分布式並行的環境搭建
分布式並行實現
第六階段深度強化學習及項目實戰
強化學習介紹
智能體Agent的深度決策機制（上）
智能體Agent的深度決策機制（中）
智能體Agent的深度決策機制（下）
第七階段車牌識別項目實戰
數據集介紹及項目需求分析
OpenCV庫介紹及車牌定位
車牌定位
車牌識別
學員項目案例評講
第八階段深度學習前沿技術簡介
深度學習前沿技術簡介
元學習
遷移學習等
了解更多查看深度學習。