Derin öğrenme ile makina öğrenimi (veya makina öğrenmesi) yapay zekanın alt sistemleridir.

Derin öğrenme, yapay sinir ağlarını içeren makine öğreniminin bir alt kümesidir. Derin terimi, girdi katmanı, çıktı katmanı ve saklı katman gibi çeşitli katmanları içeren yapay sinir ağlarının yapısına işaret etmektedir. Her katman girdi verisini komşu katmanların kullanacağı bilgiye çeviren kısımlardan oluşmaktadır.

Derin öğrenmede algoritma, yapay sinir ağları yapısı sayesinde kendisi veriyi işleyerek nasıl doğru tahminde bulunacağını öğrenebilmektedir. Bu avantajlı bir durumdur.

Makine öğrenimi de belirli görevleri yerine getirmek için deneyimden faydalanmak üzere
algoritmaları kullanan yapay zekanın bir alt kümesidir.

• Veri kullanıcı tarafından algoritmaya tanıtılır.
• Kullanıcı desteğiyle bir model geliştirilip eğitilir.
• Öngörü yapabilmek ve de veriyi kullanabilmek adına model kullanılarak test edilir.

Kısaca, derin öğrenme genel olarak metin ve görüntü gibi verileri işlemek üzere kullanılmaktadır. Sayısal çıktıların, çevre, prosesler ve malzemelerin, yine malzeme, bileşen ve sistemlerin davranış ve cevaplarını etkilediği karmaşık ilişkilerin söz konusu olduğu multi-fizik etkileşimlerine dayandığı karmaşık mühendislik çözümleri için, deneyim esaslı olarak veriyi işlemek üzere çoğunlukla makine öğrenmesi uygundur. Genelleştirilmiş doğrusal modeller, karar ağaçları veya destek vektör makineleri gibi çok çeşitli algoritmalar kolaylıkla cevap vermektedir. Karmaşık mühendislik problemlerine çözüm bulmanın vakaya özel olduğu ve öğrenme/eğitim/tahmin seçimlerinin her problem ve amaçlanan her hedefe
göre değişebileceği unutulmamalıdır. 

Özet olarak, derin öğrenme mimarisi aşağıdaki durumlarda başarılı olmaktadır:
 

• Görüntü sınıflandırma
• İşitsel sınıflandırma
• Metin tercümesi
• Metin oluşturma ve sınıflandırma

Genel anlamda makine öğrenimi, bilgisayar programları tarafından kodlanmış verilere değil,
şablonlara, verideki parametrelerin ilişkisine dayanmaktadır. Bu baglamda, kullanicinin mühendislik sorunlarina cözüm getirmek amaciyla kullandigi veriler cogu zaman probleme özgü olup deneysel veya hibrit metodlari kullanarak elde edilmekte ve de hizlandirilmis yapay zeka metodlarinda kullanilir. Makina ögrenimi ayni zamanda derin ögrenmeyi de kapsamaktadir.