結論：AI＞機械学習＞ディープラーニング、という入れ子の関係です。 機械学習はデータからルールを学ぶ手法の総称、ディープラーニングはその中の「ニューラルネットワークを深く重ねた」一分野。最初は機械学習（Python AIコース）で「学習する」感覚をつかむのが近道です（ブラウザで本物のscikit-learnが動く・無料）。
3つの言葉の関係
- AI（人工知能）：賢い振る舞いを目指す広い分野
- 機械学習：データから規則を学び、予測・分類する手法の総称
- ディープラーニング：機械学習の一種。ニューラルネットワークを何層も重ねたもの
つまり別物ではなく「大きい順に含まれる」関係です。
機械学習：まず手を動かすならここ
scikit-learnを使うと、数行で予測モデルが作れます。はじめての機械学習 ― 予測してみる から始め、線形回帰 ― 直線をあてはめる や 分類とロジスティック回帰、正解ラベルのない 教師なし学習とk-means まで、すべてブラウザで実行できます。全体像は 機械学習の地図 ― 教師あり・教師なし（読み物）で。
ディープラーニング：仕組みを自分で作って理解
ディープラーニングは「なぜ学習できるのか」を先に体感すると強いです。そもそも「学習する」とは何か（読み物）から、誤差を減らす方向 ― 勾配降下法の直感、ニューロンと活性化関数、小さなNNを訓練する までは、numpyで仕組みを自作しながらブラウザで動かせます。PyTorch本体や転移学習（なぜPyTorchか、事前学習と転移学習とは）は読み物として実装コードで解説します。
どちらから学ぶ？
多くの初心者は「機械学習 → ディープラーニング」の順が挫折しにくいです。表形式データの予測なら機械学習で十分なことも多く、画像・音声・自然言語の複雑な認識でディープラーニングが効いてきます。学ぶ順序をまとめて知りたい人は AI・機械学習の独学ロードマップ をどうぞ。つまずいたら Pythonのエラー逆引き も役立ちます。