Głębokie uczenie się jest dziedziną uczenia maszynowego, która (ogólnie rzecz biorąc) jest technologią inspirowaną ludzkim mózgiem i jego funkcjami. Po raz pierwszy wprowadzony w latach 50. XX wieku, uczenie maszynowe jest kumulowane przez tak zwaną sztuczną sieć neuronową, mnóstwo połączonych ze sobą węzłów danych, które wspólnie tworzą podstawę sztucznej inteligencji. (Aby zapoznać się z podstawami uczenia maszynowego, zobacz Machine Learning 101.)
Uczenie maszynowe zasadniczo pozwala programom komputerowym zmieniać się na żądanie zewnętrznych danych lub programowania. Z natury jest w stanie to osiągnąć bez interakcji człowieka. Ma podobną funkcjonalność jak eksploracja danych, ale wyniki wyszukiwania są przetwarzane przez maszyny, a nie przez ludzi. Dzieli się na dwie główne kategorie: uczenie się pod nadzorem i bez nadzoru.
Nadzorowane uczenie maszynowe polega na wnioskowaniu z góry określonych operacji na podstawie oznaczonych danych szkoleniowych. Innymi słowy, nadzorowane wyniki są z góry znane przez (ludzkiego) programistę, ale system wyprowadzający wyniki jest przeszkolony w zakresie „uczenia się”. Natomiast bezobsługowe uczenie maszynowe wyciąga wnioski z nieznakowanych danych wejściowych, często jako sposób wykrywania nieznanych wzorców.
