クラスタリングは多くのデータ駆動型アプリケーション領域において中心的な役割を果たしており、距離関数やグループ化アルゴリズムの観点から広く研究されてきました。しかし、クラスタリングのための表現学習に焦点を当てた研究は比較的少ないです。本論文では、深層ニューラルネットワークを使用して特徴表現とクラスタ割り当てを同時に学習する方法であるDeep Embedded Clustering（DEC）を提案します。DECはデータ空間から低次元の特徴空間へのマッピングを学習し、その空間内で反復的にクラスタリング目的関数を最適化します。画像およびテキストコーパスに対する実験評価により、DECが最先端の手法に対して大幅な改善を示していることが確認されました。