人工智能包括机器和特殊计算机系统对人类智能的模拟过程.人工智能的例子包括学习，推理和自我纠正. AI的应用包括语音识别，专家系统，图像识别和机器视觉.
机器学习是人工智能的一个分支，它处理可以学习任何新数据的系统和算法.数据模式.
让我们专注于下面提到的维恩图，以了解机器学习和深度学习概念.
机器学习包括机器学习的一部分，深度学习是机器学习的一部分.遵循机器学习概念的程序的能力是改善其观察数据的性能.数据转换的主要动机是提高其知识，以便在未来取得更好的结果，提供更接近该特定系统所需输出的输出.机器学习包括"模式识别"，其中包括识别数据模式的能力.
应训练模式以便以理想的方式显示输出.
机器学习可以通过两种不同方式培训 :
有监督的培训
无人监督培训
监督学习或监督培训包括一个程序，其中训练集作为输入在该系统中，每个例子都标有所需的输出值.这种类型的训练是使用特定损失函数的最小化来执行的，该函数表示相对于所需输出系统的输出误差.
完成训练后，每个模型的准确性为根据训练集中的不相交示例进行测量，也称为验证集.
说明"监督学习"的最好例子是一堆照片，其中包含信息.在这里，用户可以训练模型识别新照片.
在无人监督学习或无人监督培训中，包括培训示例，没有被他们所属的系统标记.系统寻找具有共同特征的数据，并根据内部知识特征对其进行更改.这种类型的学习算法基本上用于聚类问题.
最好的例子来说明"无监督学习"是一堆没有信息的照片，用户训练模型的分类和聚类.这种类型的训练算法与假设一起工作，因为没有给出信息.
