Машинне навчання Ендрю Нг, вчений-комп'ютерник університету Стенфорда, визначив як "науку змусити комп’ютери діяти, не будучи явно запрограмованими". Вперше вона була задумана в 1950-х роках, але зазнала обмеженого прогресу до початку 21-ї. століття. З тих пір машинне навчання є рушійною силою для ряду нововведень, зокрема, штучного інтелекту.
Машинне навчання можна розділити на кілька категорій, включаючи керівництво, непідконтрольне, напівконтрольне та посилене навчання. Хоча контрольоване навчання покладається на мічені вхідні дані для того, щоб зробити висновок про його взаємозв'язок з результатами виходу, непідконтрольне навчання виявляє шаблони серед не маркованих вхідних даних. Навчання під наглядом використовує поєднання обох методів, а посилене навчання мотивує програми повторювати або розробляти процеси з бажаними результатами, уникаючи помилок. (Щоб дізнатися про історію програмування, ознайомтеся з Комп'ютерним програмуванням: від машинної мови до штучного інтелекту.)
Кілька різних галузей вже отримують користь від машинного навчання, і зростаючий попит на ML та продукти та послуги в розвиненому світі. Підприємства різного роду користуються його прогнозними можливостями та прагнуть розробити методичні методи машинного навчання для прийняття обґрунтованих рішень. Існує багато різних способів підходу компаній до цієї технології, включаючи кілька мов програмування, які виділяються у цій галузі.
