El crecimiento continuo en tecnología de software, hardware e internet ha permitido el desarrollo de herramientas de sensores basadas en internet que proporcionan observaciones del mundo físico y medición de datos. El Internet de las cosas (IoT) está compuesto por miles de millones de dispositivos inteligentes que se comunican, extendiendo los límites de las entidades físicas y virtuales del mundo aún más. Estos dispositivos inteligentes producen o recopilan datos masivos diariamente con una amplia gama de aplicaciones y campos. El análisis de estos enormes datos es una herramienta crítica para descubrir nuevos conocimientos, prever conocimientos futuros y tomar decisiones de control que hacen del IoT un paradigma comercial valioso y mejoran la tecnología. El aprendizaje profundo se ha utilizado en una variedad de proyectos que implican IoT y aplicaciones móviles, con resultados alentadores al principio. Con su metodología basada en datos y anomalías y la capacidad para detectar ataques en desarrollo e inesperados, el aprendizaje profundo puede ofrecer soluciones de vanguardia para la detección de intrusiones en IoT. En este documento, la cantidad creciente de información recopilada o producida se está utilizando para desarrollar aún más la inteligencia y las capacidades de aplicación a través de técnicas de Aprendizaje Profundo (DL). Muchos investigadores se han sentido atraídos por los diversos campos de IoT, y tanto DL como técnicas de IoT han sido abordadas. Diferentes estudios sugirieron DL como una solución factible para manejar los datos producidos por IoT porque estaba destinado a manejar una variedad de datos en grandes cantidades, que requieren un procesamiento casi en tiempo real. Comenzamos discutiendo la introducción al IoT, la generación de datos y el procesamiento de datos. También discutimos los diversos enfoques de DL con sus procedimientos. Hemos encuestado y resumido los principales esfuerzos de informes para DL en la región de IoT en varios conjuntos de datos. Las características, aplicaciones y desafíos que DL utiliza para potenciar las aplicaciones de IoT, que también se discuten en este campo prometedor, pueden motivar e inspirar futuros desarrollos.