Решение текущих глобальных проблем, таких как утрата биоразнообразия, глобальные изменения и растущий спрос на экосистемные услуги, требует улучшения экологического прогнозирования. Рост доступности данных и увеличение вычислительных мощностей способствуют разработке количественных подходов в области экологии. Однако, чтобы использовать эти разработки в экологическом прогнозировании необходимы гибкие методологические рамки. Глубокое обучение (Deep Learning, DL) является быстро развивающейся отраслью машинного обучения (Machine Learning, ML), однако, на сегодняшний день оно мало применяется в экологии. Это относится и к обучению глубоких нейронных сетей (Deep Neural Networks, DNNs), т.е. искусственных нейронных сетей, состоящих из многих слоев и большого количества нейронов. В данной статье приводится пример (включая код и данные) создания, обучения и применения DNNs в рамках экологического прогнозирования.