深度学习是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。
假设我们有一个系统S，它有n层(S1..Sn)，它的输入是l，输出是O，形象地表示为:I=>S1=>S2=>.….>Sn =>O，如果输出O等于输入I，即输入l经过这个系统变化之后没有任何的信息损失，保持了不变，这意味着输入l经过每一层Si都没有任何的信息损失，即在任何一层Si，它都是原有信息(即输入）的另外一种表示。现在回到我们的主题Deep Learning，我们需要自动地学习特征，假设我们有一堆输入l(如一堆图像或者文本)，假设我们设计了一个系统S(有n层)，我们通过调整系统中参数，使得它的输出仍然是输入I，那么我们就可以自动地获取得到输入l的一系列层次特征，即S1，..., Sn。（以上摘自MBA智库）
应用方面主要有物体检测、图像分割、图像标题的生成、图像风格变换、图像的生成、自动驾驶、强化学习等。