ディープラーニングは、人間の脳の神経回路を模倣した多層のニューラルネットワークを用いて、データから特徴を自動的に学習する機械学習の一手法です。

従来の機械学習が人間による特徴量の設計を必要としたのに対し、ディープラーニングはデータそのものから複雑な特徴を抽出し、認識や判断を行います。この能力により、画像認識、音声認識、自然言語処理といった分野で飛躍的な性能向上を実現しました。

ディープラーニングモデルは、入力層、多数の隠れ層、出力層から構成されます。各層には多数の「ニューロン」と呼ばれるノードがあり、前の層からの信号を受け取って計算を行い、次の層へ出力します。

隠れ層の数が多ければ多いほど、より複雑で抽象的な特徴を学習できます。この多層構造が「ディープ（深い）」の由来です。

モデルは、大量のデータを与えられ、正解との誤差を計算し、その誤差が最小になるように各ニューロンの重みとバイアスを自動的に調整します。この学習プロセスを「勾配降下法」と呼びます。