L’aprenentatge profund és un subcamp de l’aprenentatge automàtic, que (en general) és tecnologia inspirada en el cervell humà i les seves funcions. Primera vegada introduïda a la dècada de 1950, l’aprenentatge automàtic s’informa acumulativament pel que es coneix com a xarxa neuronal artificial, una gran quantitat de nodes de dades interconnectats que formen col·lectivament la base de la intel·ligència artificial. (Per obtenir informació bàsica sobre l’aprenentatge automàtic, consulteu Machine Learning 101.)
L’aprenentatge automàtic permet fonamentalment als programes informàtics canviar-se quan se’ls demana dades o programacions externes. Per naturalesa, és capaç d'aconseguir-ho sense interacció humana. Comparteix una funcionalitat similar amb la mineria de dades, però amb els resultats extrets que han de ser processats per màquines més que per humans. Es divideix en dues grans categories: aprenentatge tutelat i no supervisat.
L’aprenentatge automàtic supervisat implica la inferència d’operacions predeterminades mitjançant dades de formació etiquetades. És a dir, els programes (humans) coneixen amb anterioritat els resultats supervisats, però el sistema que en dedueix els resultats està format per "aprendre". Per contra, l’aprenentatge de màquines no supervisades, atreu inferències de dades d’entrada no etiquetades, sovint com un mitjà per detectar patrons desconeguts.
