El aprendizaje profundo (deep learning en inglés) es una rama del machine learning que se basa en redes neuronales artificiales de múltiples capas para aprender y extraer características de los datos. A diferencia del aprendizaje automático convencional, que se basa en algoritmos que requieren la definición de características de forma manual, el aprendizaje profundo permite a los modelos aprender de forma autónoma a partir de los datos brutos.

Las redes neuronales artificiales utilizadas en el aprendizaje profundo se componen de múltiples capas de neuronas interconectadas, cada una de las cuales procesa una parte de los datos y las características extraídas se utilizan en las capas posteriores para extraer características más complejas. Este proceso se repite en cada capa hasta que se extraen las características más abstractas del conjunto de datos.

El aprendizaje profundo se utiliza en diversas aplicaciones, como la visión por computadora, el procesamiento del lenguaje natural, la traducción automática, la detección de fraude, la identificación de objetos, entre otras. Debido a su capacidad para aprender de forma autónoma y su alta precisión en la identificación de patrones complejos en los datos, el aprendizaje profundo se ha convertido en una herramienta poderosa en el campo de la inteligencia artificial y el machine learning.

Referencia: Yoshua Bengio. Learning Deep Architectures para IA.