یادگیری عمیق شاخه‌ای از یادگیری ماشین است که از شبکه‌های عصبی چندلایه برای یادگیری نمایش‌های پیچیده استفاده می‌کند. در تصویر، صوت و زبان کاربرد گسترده دارد.
معمولاً به داده و توان محاسباتی بیشتری نیاز دارد و برای داده‌های جدولی کوچک همیشه بهترین انتخاب نیست.
یک CNN برای تحلیل تصویر و یک Transformer برای پردازش متن هر دو می‌توانند از یادگیری عمیق استفاده کنند. معماری مناسب به نوع داده و هزینه بستگی دارد.
درک تفاوت این موضوع با شبکه عصبی و شبکه عصبی مصنوعی به انتخاب راهکار مناسب‌تر کمک می‌کند.
مدل عمیق همیشه بهتر نیست
شبکه‌های عمیق برای داده‌هایی مثل تصویر، صدا و متن توان بالایی دارند، اما برای دیتاست کوچک جدولی گاهی روش‌های ساده‌تر مناسب‌ترند. هزینه آموزش، توضیح‌پذیری و احتمال بیش‌برازش را بسنجید.