Глубокое обучение — это подмножество машинного обучения, которое использует многослойные нейронные сети для автоматического извлечения признаков из данных и построения сложных моделей. В отличие от классического машинного обучения, где признаки часто создаются вручную, глубокое обучение позволяет моделям самостоятельно учиться представлять данные на разных уровнях абстракции.

Например, в задаче распознавания изображений первые слои сети могут выделять простые элементы (грани, углы), а более глубокие слои — сложные объекты (лица, предметы).

Пример простой нейронной сети на Python с использованием библиотеки Keras:

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

model = Sequential([
    Dense(64, activation='relu', input_shape=(100,)),
    Dense(10, activation='softmax')
])

model.compile(optimizer='adam', loss='categorical_crossentropy')

Можете объяснить, что подразумевается под глубоким обучением в области машинного обучения?