ディープラーニングは、多数の層を持つニューラルネットワークを用いた機械学習手法です。画像認識、音声認識、自然言語処理など複雑なパターン認識に優れています。大量のデータと高い計算能力が必要ですが、人間の手による特徴抽出なしに自動的に特徴を学習できます。
ニューラルネットワークは、生物の神経網を模した計算モデルです。入力層、隠れ層、出力層で構成され、ニューロン間の結合重みを調整して学習します。単純な分類や回帰から複雑な問題まで対応可能で、層数に制限はありませんが、伝統的には浅い構造が主流でした。
ニューラルネットワークは脳神経の構造を真似た計算モデル全般の総称です。一方ディープラーニングは、深い層構造（通常3層以上）を持つニューラルネットワークの特定の実装方法です。使う場面では、単純な分類問題ならニューラルネットワーク、画像やテキストなど複雑なデータはディープラーニングを選びます。ニュアンス的には、ニューラルネットワークは基礎理論、ディープラーニングは応用技術です。
データ量が少なく問題が単純なら従来のニューラルネットワークで十分です。大量のデータと高い計算資源があり、複雑なパターン認識が必要ならディープラーニングを選択します。現在では両者の区別より、用途に応じた最適なモデル選択が重要です。