Deep learning er et underfelt af maskinlæring, der (generelt set) er teknologi, der er inspireret af den menneskelige hjerne og dens funktioner. Først introduceret i 1950'erne informeres maskinindlæring kumulativt af det, der er kendt som det kunstige neurale netværk, en overflod af sammenkoblede dataknudepunkter, der samlet danner grundlaget for kunstig intelligens. (Se Grundlæggende om maskinlæring ved at tjekke Machine Learning 101.)
Maskinlæring tillader i det væsentlige computerprogrammer at ændre sig selv, når de bliver bedt om af eksterne data eller programmering. Af natur er det i stand til at opnå dette uden menneskelig interaktion. Det deler lignende funktionalitet med data mining, men med udvindede resultater, der skal behandles af maskiner snarere end mennesker. Det er opdelt i to hovedkategorier: overvåget og uovervåget læring.
Overvåget maskinlæring involverer inferensen af forudbestemte operationer gennem mærkede træningsdata. Med andre ord er overvågede resultater på forhånd kendt af den (menneskelige) programmerer, men systemet, der udleder resultaterne, er trænet til at ”lære” dem. Uovervåget maskinlæring trækker derimod konklusioner fra umærkede inputdata, ofte som et middel til at registrere ukendte mønstre.
