深度学习是一种 通过多层神经网络进行数据表征和特征提取的学习方法，它能够从原始数据中自动学习到有用的特征，并逐层抽象出更高级别的表示。深度学习的“深度”一词指的是网络中隐藏层的数量，通常一个深度学习模型的隐藏层会比较多，从而使其能够学习到更复杂、更抽象的特征。

多层次特征学习：

深度学习模型通过多个隐藏层逐层提取数据的特征，从原始数据中学习到更高级别的抽象表示。

自动特征提取：

与传统的机器学习方法需要手动设计特征提取器不同，深度学习模型能够自动从原始数据中学习到有用的特征。

端到端学习：

深度学习模型可以直接从输入数据到输出结果进行学习，无需中间过程的人工干预，这使得它能够处理更复杂的数据和任务。

泛化能力：

深度学习模型在训练过程中学习到的特征表示具有很好的泛化能力，能够在新的、未见过的数据上表现良好。

应用广泛：

深度学习在图像识别、语音识别、自然语言处理、推荐系统等多个领域都取得了显著的成果。

综上所述，当学习过程涉及到多个层次的特征提取和抽象，并且能够自动从原始数据中学习到有用的特征时，这种学习可以被称为深度学习。