'''Pemelajaran dalam''' ({{lang-en|deep learning}}) atau sering dikenal dengan istilah '''pemelajaran struktural mendalam''' ({{lang-en|deep structured learning}}) atau '''pemelajaran hierarki''' ({{Lang-en|hierarchical learning}}) adalah salah satu cabang dari ilmu [[pemelajaran mesin]] ({{lang-en|machine learning}}) yang terdiri algoritme pemodelan abstraksi tingkat tinggi pada data menggunakan sekumpulan fungsi transformasi non-linear yang ditata berlapis-lapis dan mendalam.<ref>Li Deng and Dong Yu (2014), "Deep Learning: Methods and Applications", Foundations and Trends® in Signal Processing: Vol. 7: No. 3–4, pp 197-387. <nowiki>http://dx.doi.org/10.1561/2000000039</nowiki></ref> Teknik dan algoritme dalam pemelajaran dalam dapat digunakan baik untuk kebutuhan pemelajaran terarah (''supervised learning''), pemelajaran tak terarah (''unsupervised learning'') dan semi-terarah (''semi-supervised learning'') dalam berbagai aplikasi seperti pengenalan citra, pengenalan suara, klasifikasi teks, dan sebagainya. Model pada pembelajaran dalam pada dasarnya dibangun berdasarkan [[jaringan saraf tiruan]], yang risetnya sudah berlangsung sejak era 80-an namun baru-baru ini kembali bangkit dengan adanya komputer yang semakin cepat apalagi ditambah dengan kemampuan [[kartu grafis]] modern yang mampu melakukan kalkulasi berbasis matriks secara simultan.
Berdasarkan riset yang baru-baru ini dilakukan, pemelajaran dalam mampu melakukan pengenalan grafis, pola tulis tangan dan beberapa pola lainnya lebih akurat dibandingkan dengan algoritme pemelajaran mesin lainnya.<ref>http://www.nytimes.com/2012/11/24/science/scientists-see-advances-in-deep-learning-a-part-of-artificial-intelligence.html?_r=0</ref>
== Arsitektur ==
=== Deep Feedforward Network ===
Deep Feedforward Network atau dikenal dengan Multilayer Perceptron (MLP) merupakan pengembangan dari [[jaringan saraf tiruan]] yang menekankan pada penggunakan satu atau lebih lapis tersembunyi (''hidden layer'') pada jaringannya dan penggunaan fungsi transformasi non-linear sebagai fungsi transformasi. Jaringan ini disebut Feedforward oleh karena sifatnya yang membawa informasi dari lapis masukan (''input layer'') untuk dibawa dan ditransformasi ke depan hingga lapis luaran (''output layer'').
=== Recurrent Neural Network ===
Recurrent Neural Network merupakan pengembangan dari Deep Feedforward Network yang mana informasi dari suatu ''neuron'' dapat berputar kembali ke ''neuron'' yang sama (Deep Feddforward Network hanya membawa informasi ke lapis A ke lapis B secara progresif tanpa kembali ke lapis sebelumnya).
=== Convolutional Neural Network ===
Convolutional Neural Network merupakan modifikasi dari Deep Feedforward Network yang mana setiap lapisnya dibuat dalam bentuk topologi grid mendalam.
