Aprendizagem profunda (também chamada aprendizagem estruturada profunda ou aprendizagem hierárquica) é um tipo de aprendizagem de máquina, que é usada principalmente com certos tipos de redes neurais. Como com outros tipos de aprendizagem mecânica, as sessões de aprendizagem podem ser não supervisionadas, semi-supervisionadas ou supervisionadas. Em muitos casos, as estruturas são organizadas de modo que haja pelo menos uma camada intermediária (ou camada oculta), entre a camada de entrada e a camada de saída.
Certas tarefas, tais como reconhecer e compreender a fala, imagens ou caligrafia, são fáceis de realizar para os seres humanos. Entretanto, para um computador, estas tarefas são muito difíceis de se fazer. Em uma rede neural multicamadas (com mais de duas camadas), a informação processada se tornará mais abstrata com cada camada adicionada.
Modelos de aprendizagem profunda são inspirados por padrões de processamento de informação e comunicação nos sistemas nervosos biológicos; eles são diferentes das propriedades estruturais e funcionais dos cérebros biológicos (especialmente o cérebro humano) de muitas maneiras, o que os torna incompatíveis com as evidências neurocientíficas.
