Learning ist die Metapher und deep, bedeutet mehrere Schichten. Siehe Deep Learning with Python

Deep Learning bezeichnet eine Methode des maschinellen Lernen, die künstliche neuronale Netze (KNN) mit zahlreichen Zwischenschichten (englisch hidden layers) zwischen Eingabeschicht und Ausgabeschicht einsetzt und dadurch eine umfangreiche innere Struktur herausbildet.

„Deep Learning“ wird oft synanym zu künstliche neuronale Netze verwendet, erstmals im Jahr 2000 in der Veröffentlichung Multi-Valued and Universal Binary Neurons: Theory, Learning and Applications auf. Seiner Ansicht nach waren die Group method of data handling-KNNs (GMDH-ANN) der 1960er-Jahre von Alexey Ivakhnenko die ersten Deep-Learning-Systeme des Feedforward-Multilayer-Perzeptron-Typs.

Die ersten (nichtlernenden) KNN wurden 1958 von Frank Rosenblatt vorgestellt und sollten der Gesichtserkennung dienen. Sie bestanden damals noch aus festverdrahteten Schalterkreisen und nicht wie heute aus Softwarecode. Die jüngsten Erfolge der DL-KNNs, wie der Go-Turniergewinn des Programmes AlphaGo gegen die weltbesten menschlichen Spieler, gründen sich neben der gestiegenen Verarbeitungsgeschwindigkeit der Hardware auf den Einsatz von Deep Learning zum Training des in AlphaGo verwendeten neuronalen Netzes. Diese Netze nutzen künstlich erzeugte Neuronen (Perzeptron), um Muster zu erkennen.