机器学习和深度学习都是人工智能的形式。您还可以正确地说，深度学习是一种特定的机器学习。机器学习和深度学习都从训练和测试数据以及模型开始，然后经过优化过程以找到使模型最适合数据的权重。两者都可以处理数字（回归）和非数字（分类）问题，在对象识别和语言翻译等多个应用领域中，深度学习模型往往比机器学习模型更适合。
机器学习算法通常分为有监督的（训练数据用答案标记）和无监督的（可能存在的任何标签均未显示在训练算法中）。监督式机器学习问题又分为分类（预测非数字答案，例如错过抵押贷款的可能性）和回归（预测数字答案，例如下个月在曼哈顿商店出售的小部件的数量）；无监督学习又分为聚类（查找相似对象的组，例如跑鞋，步行鞋和正装鞋），关联（查找对象的常见序列，例如咖啡和奶油）和降维（投影，特征选择） ，以及特征提取）。
深度学习是机器学习的一种形式，其中所训练的模型在输入和输出之间具有多个隐藏层。在大多数讨论中，深度学习意味着使用深度神经网络。但是，除了神经网络之外，还有一些算法可以使用其他类型的隐藏层来实现深度学习。“人工”神经网络的思想可以追溯到1940年代。基本概念是，由相互连接的阈值
开关构建的人工神经元网络可以像动物大脑和神经系统（包括视网膜）一样学习识别模式。
点击标题见原文