Le « deep learning » ou apprentissage en profondeur, est un ensemble de méthodes qui bénéficient des progrès des réseaux neuronaux, pour reconnaître des objets, images, images dans les images, sons, phrases dans une communication téléphonique, etc. C'est une branche particulière du "Machine Learning", avec un grand nombre de couches "cachées", d'où l'idée de "deep" (100 à 200 couches contre quelques couches pour le "Machine Learning").
Extraction automatique des caractéristiques d'entrée : l'algorithme analyse les données soumises
Les mêmes phases que pour le Machine Learning : le système cherche à appliquer une transformation non linéaire aux valeurs d'entrée et à créer un modèle de sortie, c'est la phase d'éducation ou d'entraînement, qui s'effectue sur des données labellisées et dans la seconde, dite de découverte, il améliore le modèle avec une méthode mathématique (dite dérivative) pour "coller" au plus près à la réalité.