L'apprendimento profondo (chiamato anche apprendimento strutturato profondo o apprendimento gerarchico) è un tipo di apprendimento automatico, che viene utilizzato principalmente con alcuni tipi di reti neurali. Come per altri tipi di apprendimento automatico, le sessioni di apprendimento possono essere non supervisionate, semi-supervisionate o supervisionate. In molti casi, le strutture sono organizzate in modo che ci sia almeno uno strato intermedio (o strato nascosto), tra lo strato di input e lo strato di output.
Alcuni compiti, come riconoscere e capire il parlato, le immagini o la scrittura, sono facili da fare per gli esseri umani. Tuttavia, per un computer, questi compiti sono molto difficili da fare. In una rete neurale multistrato (con più di due strati), l'informazione processata diventerà più astratta con ogni strato aggiunto.
I modelli di apprendimento profondo sono ispirati all'elaborazione delle informazioni e ai modelli di comunicazione nei sistemi nervosi biologici; sono diversi dalle proprietà strutturali e funzionali dei cervelli biologici (specialmente il cervello umano) in molti modi, che li rendono incompatibili con le evidenze delle neuroscienze.
