Le Deep Learning requiert de plus larges volumes de données d'entraînement, mais apprend de son propre environnement et de ses erreurs.
Au contraire, le Machine Learning permet l'entraînement sur des jeux de données moins vastes, mais requiert davantage d'intervention humaine pour apprendre et corriger ses erreurs.
Le Machine Learning est un sous-ensemble de l'intelligence artificielle (IA).
Cette technologie vise à apprendre aux machines à tirer des enseignements des données et à s'améliorer avec l'expérience, au lieu d'être explicitement programmées pour le faire.
La concrétisation de cette idée est principalement due à Alan Turing (mathématicien et cryptologue britannique) et à son concept de la « machine universelle » en 1936, qui est à la base des ordinateurs d'aujourd'hui.