Le deep learning est un sous-domaine du machine learning, qui (en général) est une technologie inspirée du cerveau humain et de ses fonctions. Introduit pour la première fois dans les années 1950, l'apprentissage automatique est alimenté par ce que l'on appelle le réseau de neurones artificiels, une pléthore de nœuds de données interconnectés qui forment collectivement la base de l'intelligence artificielle. (Pour les bases de l'apprentissage automatique, consultez Machine Learning 101.)
L'apprentissage automatique permet essentiellement aux programmes informatiques de changer d'eux-mêmes lorsqu'ils sont demandés par des données ou une programmation externes. Par nature, il est capable d'accomplir cela sans interaction humaine. Il partage des fonctionnalités similaires avec l'exploration de données, mais avec des résultats minés à traiter par des machines plutôt que par des humains. Il est divisé en deux grandes catégories: l'apprentissage supervisé et non supervisé.
L'apprentissage automatique supervisé implique l'inférence d'opérations prédéterminées à travers des données d'apprentissage étiquetées. En d'autres termes, les résultats supervisés sont connus à l'avance par le programmeur (humain), mais le système qui déduit les résultats est formé pour les «apprendre». L'apprentissage automatique non supervisé, en revanche, tire des inférences à partir de données d'entrée non étiquetées, souvent comme un moyen de détecter des modèles inconnus.