Deep learning — это подраздел машинного обучения, основанный на искусственных нейронных сетях с множеством слоёв (глубоких сетях). Эти сети способны автоматически извлекать иерархические признаки из данных, что особенно полезно для сложных задач, таких как распознавание изображений, обработка естественного языка и генеративный AI. **Ключевые особенности:** - Использует многослойные нейронные сети (например, свёрточные — CNN, рекуррентные — RNN). - Требует больших объёмов данных и вычислительных ресурсов. - Обучение часто происходит с помощью backpropagation и оптимизаторов (Adam, SGD). **Пример с кодом (Keras):** ``` from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense model = Sequential([ Dense(128, activation='relu', input_shape=(784,)), Dense(64, activation='relu'), Dense(10, activation='softmax') ]) model.compile(optimizer='adam', loss='categorical_crossentropy') model.fit(X_train, y_train, epochs=10) ``` Применяется в компьютерном зрении, NLP, рекомендательных системах и других областях, где важны сложные паттерны.