이러한 다층 신경망은 최적화된 가중치를 찾는 과정에서 성능 문제를 겪어 왔다. 성능 문제를 해결하는 노력의 일환으로 2006년 힌턴(Hinton) 교수의 논문(A fast learning algorithm for deep belief nets)에서 해결의 단초가 제공되었고, 이후 딥러닝이라는 이름으로 주목받게 되었다. 은닉층을 계산에 활용하는 방식에 따라 딥러닝을 합성곱 신경망, 심층 신뢰 신경망, 순환 신경망 등으로 다양하게 부르며 계속해서 세분화되고 새로운 종류의 신경망이 출현하고 있다.

인공 신경망에 대한 이해를 바탕으로, 데이터에 인공 신경망을 적용해보자. 여러 개의 은닉층을 갖는 인공 신경망은 충분한 성능을 얻으려면 대용량의 계산을 처리해야 하며, GPU 또는 클라우드 컴퓨팅 환경의 사용이 중요하기도 하다. 이 장에서는 일반적인 PC 환경에서 인공 신경망과 딥러닝을 연습해보며 작동 원리를 이해하는 데 집중하고자 한다.