Deep Learning ist ein Teilgebiet des maschinellen Lernens, das (im Allgemeinen) eine Technologie ist, die vom menschlichen Gehirn und seinen Funktionen inspiriert ist. Das erstmals in den 1950er Jahren eingeführte maschinelle Lernen wird kumulativ durch das sogenannte künstliche neuronale Netzwerk informiert, eine Vielzahl miteinander verbundener Datenknoten, die gemeinsam die Grundlage für künstliche Intelligenz bilden. (Die Grundlagen des maschinellen Lernens finden Sie unter Maschinelles Lernen 101.)
Durch maschinelles Lernen können sich Computerprogramme im Wesentlichen selbst ändern, wenn sie durch externe Daten oder Programmierung dazu aufgefordert werden. Es ist von Natur aus in der Lage, dies ohne menschliche Interaktion zu erreichen. Es verfügt über ähnliche Funktionen wie Data Mining, jedoch mit gewonnenen Ergebnissen, die nicht von Menschen, sondern von Maschinen verarbeitet werden sollen. Es ist in zwei Hauptkategorien unterteilt: überwachtes und unbeaufsichtigtes Lernen.
Überwachtes maschinelles Lernen beinhaltet die Schlussfolgerung vorgegebener Operationen durch gekennzeichnete Trainingsdaten. Mit anderen Worten, überwachte Ergebnisse sind dem (menschlichen) Programmierer im Voraus bekannt, aber das System, das die Ergebnisse herleitet, ist darauf trainiert, sie "zu lernen". Im Gegensatz dazu werden beim unbeaufsichtigten maschinellen Lernen Schlussfolgerungen aus unbeschrifteten Eingabedaten gezogen, um häufig unbekannte Muster zu erkennen.
