Pembelajaran yang mendalam adalah subfield pembelajaran mesin, yang (secara umum) adalah teknologi yang diilhami oleh otak manusia dan fungsinya. Pertama kali diperkenalkan pada tahun 1950-an, pembelajaran mesin secara kumulatif dimaklumkan oleh apa yang dikenali sebagai rangkaian saraf tiruan, kebanyakan kumpulan nod data yang sama yang secara kolektif membentuk asas untuk kecerdasan buatan. (Untuk asas-asas pembelajaran mesin, lihat Pembelajaran Mesin 101.)
Pembelajaran mesin pada dasarnya membolehkan program komputer untuk mengubah diri mereka apabila diminta oleh data atau pengaturcaraan luaran. Secara semula jadi, ia dapat mencapai ini tanpa interaksi manusia. Ia berkongsi fungsi yang sama dengan perlombongan data, tetapi dengan hasil ditambang untuk diproses oleh mesin dan bukannya manusia. Ia dibahagikan kepada dua kategori utama: pembelajaran yang diselia dan tidak terjejas.
Pembelajaran mesin yang diselia melibatkan kesimpulan operasi yang telah ditetapkan melalui data latihan berlabel. Dengan kata lain, hasil yang diawasi diketahui terlebih dahulu oleh programmer (manusia), tetapi sistem itu menyimpulkan hasilnya dilatih untuk "mempelajari" mereka. Sebaliknya pembelajaran mesin tidak diselia, menarik kesimpulan dari data masukan tidak berlabel, sering sebagai cara untuk mengesan pola yang tidak diketahui.
