L'apprendimento profondo è un sottocampo dell'apprendimento automatico, che (in generale) è una tecnologia che si ispira al cervello umano e alle sue funzioni. Introdotto per la prima volta negli anni '50, l'apprendimento automatico è cumulativamente informato da quella che è conosciuta come la rete neurale artificiale, una pletora di nodi di dati interconnessi che formano collettivamente la base dell'intelligenza artificiale. (Per le basi dell'apprendimento automatico, dai un'occhiata a Machine Learning 101.)
L'apprendimento automatico consente essenzialmente ai programmi per computer di cambiare se stessi quando richiesto da dati o programmazione esterni. Per sua natura, è in grado di farlo senza interazione umana. Condivide funzionalità simili con il data mining, ma con risultati estratti da elaborare dalle macchine piuttosto che dagli umani. È diviso in due categorie principali: apprendimento supervisionato e non supervisionato.
L'apprendimento automatico supervisionato comporta l'inferenza di operazioni predeterminate attraverso dati di addestramento etichettati. In altre parole, i risultati supervisionati sono noti in anticipo dal programmatore (umano), ma il sistema che deduce i risultati è addestrato per "apprenderli". L'apprendimento automatico senza supervisione, al contrario, trae inferenze da dati di input senza etichetta, spesso come mezzo per rilevare schemi sconosciuti.
