Głębokie uczenie (zwane również głębokim uczeniem strukturalnym lub uczeniem hierarchicznym) jest rodzajem uczenia maszynowego, które jest najczęściej używane z pewnymi rodzajami sieci neuronowych. Podobnie jak w przypadku innych rodzajów uczenia maszynowego, sesje uczenia mogą być nienadzorowane, półnadzorowane lub nadzorowane. W wielu przypadkach struktury są zorganizowane tak, że istnieje co najmniej jedna warstwa pośrednia (lub warstwa ukryta), pomiędzy warstwą wejściową a warstwą wyjściową.
Niektóre zadania, takie jak rozpoznawanie i rozumienie mowy, obrazów lub pisma ręcznego, są łatwe do wykonania dla ludzi. Jednak dla komputera zadania te są bardzo trudne do wykonania. W wielowarstwowej sieci neuronowej (posiadającej więcej niż dwie warstwy), przetwarzane informacje będą stawały się bardziej abstrakcyjne z każdą dodaną warstwą.
Modele głębokiego uczenia są inspirowane wzorcami przetwarzania informacji i komunikacji w biologicznych systemach nerwowych; różnią się one od strukturalnych i funkcjonalnych właściwości biologicznych mózgów (w szczególności mózgu ludzkiego) na wiele sposobów, co czyni je niezgodnymi z dowodami neuronaukowymi.
