Ang malalim na pag-aaral ay isang subfield ng pag-aaral ng makina, na (sa pangkalahatan ay nagsasalita) ay ang teknolohiya na kinasihan ng utak ng tao at ang mga pag-andar nito. Una na ipinakilala noong 1950s, ang pag-aaral ng makina ay pinagsama-sama ng kung ano ang kilala bilang artipisyal na neural network, isang kalakal ng magkakaugnay na mga node ng data na kolektibong bumubuo ng batayan para sa artipisyal na katalinuhan. (Para sa mga pangunahing kaalaman ng pagkatuto ng makina, tingnan ang Pag-aaral ng Machine 101.)
Mahalaga ang pag-aaral ng machine ng mga programa sa computer na baguhin ang kanilang sarili kapag sinenyasan ng panlabas na data o programming. Sa pamamagitan ng kalikasan, nagawa nitong magawa ito nang walang pakikipag-ugnayan ng tao. Nagbabahagi ito ng magkatulad na pag-andar sa pagmimina ng data, ngunit sa mga resulta ng mina na maproseso ng mga makina kaysa sa mga tao. Nahahati ito sa dalawang pangunahing kategorya: pinangangasiwaan at hindi sinusuportahan na pag-aaral.
Ang pinangangasiwaang pag-aaral ng makina ay nagsasangkot ng pagkilala sa mga paunang natukoy na operasyon sa pamamagitan ng may label na data ng pagsasanay. Sa madaling salita, ang mga pinangangasiwaang resulta ay kilala nang maaga ng (human) programmer, ngunit ang system na inferring ang mga resulta ay sinanay upang "alamin" ang mga ito. Ang hindi natutunan na pag-aaral ng makina, sa pamamagitan ng kaibahan, ay kumukuha ng mga sanggunian mula sa hindi naipakita na data ng pag-input, madalas bilang isang paraan upang makita ang hindi kilalang mga pattern.
