Djupt lärande är ett underfält för maskininlärning, som (generellt sett) är teknik som är inspirerad av den mänskliga hjärnan och dess funktioner. Först introducerades på 1950-talet, informeras maskininlärning kumulativt av det som kallas det konstgjorda neurala nätverket, en mängd sammankopplade datanoder som tillsammans utgör grunden för artificiell intelligens. (För grunderna i maskininlärning, kolla in Machine Learning 101.)
Maskininlärning gör det möjligt för datorprogram att ändra sig själva när de uppmanas av extern data eller programmering. Av naturen kan den uppnå detta utan mänsklig interaktion. Den delar liknande funktionalitet med data mining, men med brytade resultat som ska bearbetas av maskiner snarare än människor. Det är indelat i två huvudkategorier: övervakat lärande och utan tillsyn.
Övervakad maskininlärning innebär inferensen av förutbestämda operationer genom märkta träningsdata. Med andra ord är övervakade resultat i förväg kända av den (mänskliga) programmeraren, men systemet som drar slutsatsen är tränat att "lära" dem. Oövervakad maskininlärning drar däremot slutsatser från ommärkta inmatningsdata, ofta som ett medel för att upptäcka okända mönster.
