现如今，我们已经介绍了很多机器学习领域中不同的学习策略。你已经学过了监督学习，我们可以依照已经标识过的数据推断新数据的标签。你也学过了非监督学习，我们用它来把数据分成不同的组，挖掘出数据的隐藏结构。最后，你还学习了增强学习，我们试着建立一个模型使得它能够在环境中学习规则来最大化它的到的奖励。
在这部分课程中，你讲学习到一个新的机器学习分枝叫做深度学习，它用图构成的网络尝试对数据做高层次的抽象。深度学习跟你学过的其他机器学习算法一样，专注于学习数据的表征。此外，对数据做高层次抽象跟人工智能很相像，也就是知识可以被表现出来并且做智能的回应。
在本课中，你会学到如何构建深度网络，来对数据进行高层次抽象的建模。此外，你还需要学习如何构建深度模型，它可以解释和识别文本中的单词和字母 — 就像人们在阅读一样！要实现它，你需要学习深度学习课程，他是优达学城（Udacity）跟谷歌大脑首席科学家 Vincent Vanhoucke 一起打造的，他也是这个课程的讲师。Vincent 会带领你全面了解深度学习以及谷歌深度学习框架 TensorFlow。
在本课程中，你讲学习如何开发一个能够对数据做高层次抽象的算法。我们能用这个抽象来智能地处理新信息。首先，你需要学习深度神经网络— 一个人工神经网络，在输入和输出层中间有多个隐藏层。接下来，你会学习卷积神经网络— 另一种模拟视觉和听觉生物反馈过程的神经网络。最后，你会学习有序学习深度模型— 它可以理解书面文字或者口述语言。
这些概念所隐含的真正内容是，只要有足够的数据和学习时间，我们就能创造出跟人类思考和行为方式类似的智能体。它使得我们能够把复杂的人类行为，例如开车，语言处理，甚至赢得围棋比赛进行建模。这些在深度学习出现之前是不可能实现的。
