Makine öğrenimi uygulamaları, insan beyninin algı ve düşünce sürecini taklit etmeye çalışan bir algoritmik hesaplamalar zincirine dayanır. Buna yapay sinir ağı denir. Bu sinir ağı, en basit haliyle, verilerin ağa girdiği bir girdi katmanından; makine öğrenimi algoritmalarının girdileri işlediği, onlara ağırlık, önyargı ve eşikler uyguladığı bir adet, gizli katmandan; ve de çeşitli sonuçların ortaya çıktığı bir çıktı katmanından oluşur. 
Derin öğrenme modelleri içermeyen makine öğrenimi uygulamaları, yalnızca bir gizli katmana sahip yapay sinir ağlarına dayanır. Bu uygulamalar, modelin verileri tanımlamasına ve anlamasına yardımcı olacak şekilde özelliklerini tanımlayan etiketli verilerle beslenir.
Makine öğrenimi uygulamaları, modeldeki algoritmaların periyodik olarak ayarlanması gibi insan denetimi gerektiren öğrenme yeteneğine sahiptir.
Derin öğrenme uygulamaları ise, her biri bir önceki katmanın sonuçlarını daha da iyileştiren çok sayıda gizli katmana sahip sinir ağlarından oluşur. 
Hesaplamaların gizli katmanlar üzerinden çıktı katmanına doğru bu hareketine ileri yayılma denir. Geri yayılıma işlemi de, hesaplamalardaki hataları tanımlar, bunlara ağırlık verir ve modeli iyileştirmek veya eğitmek için önceki katmanlara geri gönderir. Derin öğrenme modelleri, makine öğrenimi uygulamalarından farklı olarak denetimsiz öğrenme yeteneğine de sahiptir. Böylece, verilerdeki özellikleri ve kalıpları en az insan denetimi ile tespit edebilir.