Deep Learning ist ein Teilbereich des maschinellen Lernens (Machine Learning) und beschäftigt sich mit Algorithmen, die auf künstlichen neuronalen Netzen basieren. Diese Netze sind von der Funktionsweise des menschlichen Gehirns inspiriert und bestehen aus vielenichten (daher „deep“ = tief), die Daten schrittweise verarbeiten und abstrahieren. Im Deep Learning werden große Mengen an Daten genutzt, um komplexe Muster und Zusammenhänge zu erkennen. Typische Anwendungsgebiete sind Spracherkennung, Bild- und Objekterkennung, maschinelle Übersetzung oder autonome Fahrzeuge. Bekannte Deep-Learning-Modelle sind zum Beispiel Convolutional Neural Networks (CNNs) für Bilder und Recurrent Neural Networks (RNNs) für zeitliche Daten. Der große Vorteil von Deep Learning liegt darin, dass diese Modelle in der Lage sind, Merkmale und Strukturen in den Daten selbstständig zu lernen, ohne dass sie explizit vorgegeben werden müssen. Das macht sie besonders leistungsfähig bei komplexen Aufgaben, erfordert aber auch viel Rechenleistung und große Datenmengen.