机器学习：

能够使用数据逐步提高特定任务的性能，而无需明确编程。

机器学习子字段是：

监督学习：为机器提供示例输入和输出，目的是学习将输入映射到输出的一般规则。监督学习算法分析训练数据并产生推断函数，可用于映射新示例和使用损失函数和优化器可以获得准确性。

无监督学习：没有给学习算法赋予标签，只能在其输入中找到结构。由于给予学习者的示例是未标记的，因此不评估相关算法输出的结构的准确性。

加强学习：培训数据（以奖励和惩罚的形式）仅作为对项目在动态环境中的行动的反馈，并根据环境和环境进行学习通常被制定为马尔可夫决策过程（MDP），因为许多加固用于该上下文的学习算法利用动态编程技术。

深度学习：

机器学习涉及受大脑结构和功能启发的算法，称为人工神经网络。深度神经网络（DNN）是一种人工神经网络（ANN），在输入和输出层之间有多个隐藏层.DNN通常是前馈网络其中数据从输入层流向输出层而不循环回来。在前向作为反向传播的前馈（在背向上训练神经网络的常用方法，根据误差改变权重）形成更好的DNN。其中数据可以在任何方向上流动的递归神经网络（RNN）被用于语言目的的应用。卷积神经网络（CNN）用于计算机视觉。CNN已经应用于用于自动语音识别的声学建模

总结：机器学习是实现人工智能的方法，深度学习是实现机器学习的技术。