A mély tanulás a gépi tanulás alterülete, amely (általában véve) olyan technológia, amelyet az emberi agy és annak funkciói inspirálnak. Az első, az 1950-es években bevezetett gépi tanulást kumulatív módon támasztja alá az úgynevezett mesterséges idegi hálózat, sok olyan összekapcsolt adatcsomópont, amelyek együttesen képezik a mesterséges intelligencia alapját. (A gépi tanulás alapjait lásd: Machine Learning 101.)
A gépi tanulás alapvetően lehetővé teszi a számítógépes programok számára, hogy megváltoztassák magukat, amikor külső adatok vagy programozás erre szólítják fel. A természetéből adódóan ez emberi kapcsolat nélkül is megvalósítható. Hasonló funkcionalitást oszt meg az adatbányászattal, de a bányász eredményekkel, amelyeket a gépek, nem az emberek dolgoznak fel. Két fő kategóriába tartozik: felügyelt és felügyelet nélküli tanulás.
A felügyelt gépi tanulás magában foglalja az előre meghatározott műveletek következtetését a címkézett edzési adatok segítségével. Más szavakkal, a felügyelt eredményeket előre ismeri a (humán) programozó, ám az eredményeket következtető rendszer arra készül, hogy „megtanulja” azokat. A nem felügyelt gépi tanulás ezzel szemben a címkézetlen bemeneti adatokból von következtetéseket, gyakran az ismeretlen minták felismerésének eszközeként.
