通过建立深度神经网络模型，利用大量数据和深度网络结构来学习特征表示和模式识别，从而实现无需人为手动设计特征即可完成机器学习任务的目的。深度学习在计算机视觉、自然语言处理、语音识别、生物信息学等领域应用广泛。

    深度学习需要的硬件平台配置取决于数据规模和模型复杂度。一般来说，深度学习需要高性能的计算机硬件，如多核处理器、大内存、高速存储和网络设备等。此外，为了提高计算效率和性能，还可以采用分布式计算集群或GPU加速技术。

对于大型深度学习任务，需要组建分布式计算集群，利用多台计算机协同工作，以提高计算效率和性能。此外，对于特定的领域的应用，还需要根据实际需求进行定制化的硬件配置，如自然语言处理、图像识别等领域需要高速GPU和大量内存