深度学习主要学的有：神经网络、BP反向传播算法、TensorFlow深度学习工具等。深度学习英文全称为：deep learning，是机器学习的分支，主要是把人工神经网络当作构架，进而对数据进行表征学习的算法。
深度学习是实现人工智能的手段之一，深度学习是一种机器学习的方法，它试图使用包含复杂结构或者由多重非线性变换构成的多个处理层(神经网络)对数据进行高层抽象的算法。
深度学习是一种算法革命，带来了人工智能的快速发展和应用，解决了视频、图像、声音、语言和文本的处理，在一定程度上达到了人类辨识或认知对象物体的水平。
“深度学习”这个名词其实最主要是针对人工智能领域，它是指机器的一种学习模式，与我们平常所指的人类的深度学习是不同的概念。
简单来说，机器学习是实现人工智能的方法，深度学习是实现机器学习的技术。
1、人工智能的三大核心技术 是机器学习、深度学习和自然语言处理机器学习 机器学习是人工智能的基础，是让计算机从数据中自动学习并提高性能的一种方法。
2、机器学习。机器学习是指计算机系统无须遵照显示的程序指令，而是依靠数据来提升自身性能的能力。它的应用也很广泛，主要针对产生庞大数据的活动，比如销售预测，库存管理，石油和天然气勘探，以及公告卫生等。3 自然语言处理。
3、数据、算法和计算力是人工智能的三大支柱。它们相互依存、相互促进，共同构成了人工智能的核心技术。只有在这三个方面都达到一定水平的情况下，才能使人工智能真正发挥出其应有的作用。
4、机器人技术 近年来，随着算法等核心技术提升，机器人取得重要突破。例如无人机、家务机器人、医疗机器人等。
5、人工智能的核心是各种模型和算法，研究特定场景使用的模型，已经提升精度的各种优化方法。
6、人工智能的核心：计算机视觉 计算机视觉是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列，来将图像分析任务分解为便于管理的小块任务。
1、人工智能应用场景被广泛应用于网络安全运行管理、网络系统安全风险自评估、物联网安全问题等方面。最主要的内容包括反垃圾邮件、防火墙和入侵检测3个部分，同时网络控制和网络监视则是网络管理系统过程中最重要的两个环节。
2、深度学习是近几年人工智能领域的主要研究方向。
3、手机及互联网娱乐领域：人们接触最多的人工智能领域的应用来自于手机及互联网。
1、学习率(LearningRate，LR。常用η表示。)是一个超参数，考虑到损失梯度，它控制着我们在多大程度上调整网络的权重。值越低，沿着向下的斜率就越慢。
2、技术基础：（1）文艺复兴后的人工神经网络。人工神经网络是一种仿造神经元运作的函数演算，能接受外界资讯输入的刺激，且根据不同刺激影响的权重转换成输出的反应，或用以改变内部函数的权重结构，以适应不同环境的数学模型。
3、需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。
4、也可能超过人的智能。人的深度学习就是人的一种思维，所以机器深度学习自然就是人工智能的一个方面，而且还是非常难的方面。比如人工智能的语音识别，图像识别都基本有了不错的成功，而深度学习还在努力研发中。
5、人工智能需要大量的知识储备，基础如下：基础课程：先学完基础课程在切入人工智能领域。
6、基础课程：先学完基础课程在切入人工智能领域比如数学方面的：机器学习、深度学习、神经元算法、傅里叶变换、小波算法、时间序列。初级的高等代数和概率论等。计算机语言方面：标准的c语言。
深度学习是一种算法革命，带来了人工智能的快速发展和应用，解决了视频、图像、声音、语言和文本的处理，在一定程度上达到了人类辨识或认知对象物体的水平。
深度学习是从机器学习中的人工神经网络发展出来的新领域。早期所谓的“深度”是指超过一层的神经网络。但随着深度学习的快速发展，其内涵已经超出了传统的多层神经网络，甚至机器学习的范畴，逐渐朝着人工智能的方向快速发展。
深度学习(deep learning)，属于机器学习（machine learning）的学术、工程领域研究中一个新的方向，目的是实现人工智能（artificial intelligence）的普及化。
简单来说，机器学习是实现人工智能的方法，深度学习是实现机器学习的技术。机器学习在实现人工智能时中需要人工辅助（半自动），而深度学习使该过程完全自动化。
