Pembelajaran mendalam adalah subbidang pembelajaran mesin, yang (secara umum) adalah teknologi yang terinspirasi oleh otak manusia dan fungsinya. Pertama kali diperkenalkan pada 1950-an, pembelajaran mesin secara kumulatif diinformasikan oleh apa yang dikenal sebagai jaringan saraf tiruan, sejumlah besar node data yang saling berhubungan yang secara kolektif membentuk dasar untuk kecerdasan buatan. (Untuk dasar-dasar pembelajaran mesin, lihat Machine Learning 101.)
Pembelajaran mesin pada dasarnya memungkinkan program komputer untuk mengubah diri mereka sendiri ketika diminta oleh data eksternal atau pemrograman. Secara alami, ia dapat mencapai ini tanpa interaksi manusia. Ini berbagi fungsi yang sama dengan penambangan data, tetapi dengan hasil yang ditambang untuk diproses oleh mesin daripada manusia. Ini dibagi menjadi dua kategori utama: belajar dengan pengawasan dan tanpa pengawasan.
Pembelajaran mesin yang diawasi melibatkan kesimpulan operasi yang telah ditentukan melalui data pelatihan berlabel. Dengan kata lain, hasil yang diawasi diketahui sebelumnya oleh programmer (manusia), tetapi sistem yang menyimpulkan hasilnya dilatih untuk “mempelajarinya”. Pembelajaran mesin tanpa pengawasan, sebaliknya, menarik kesimpulan dari data input yang tidak berlabel, seringkali sebagai sarana untuk mendeteksi pola yang tidak diketahui.
