Strojno učenje Andrew Ng, računalni znanstvenik na Sveučilištu Stanford, definirao je kao "znanost navođenja računala da djeluju bez da su izričito programirani." Prvotno je zamišljena 1950-ih, ali imala je ograničen napredak sve do početka 21. stoljeća. st. Od tada je strojno učenje pokretačka snaga niza inovacija, od kojih je najpoznatija umjetna inteligencija.
Strojno učenje može se raščlaniti na nekoliko kategorija, uključujući supervizirano, neupisano, polu nadzirano i pojačano učenje. Dok se nadzirano učenje oslanja na označene ulazne podatke kako bi se zaključilo njegova povezanost s izlaznim rezultatima, nekontrolirano učenje otkriva obrasce među neobilježenim ulaznim podacima. Poduživanje učenja koristi kombinaciju obje metode, a učvršćivanje učenja motivira programe da ponavljaju ili razrađuju procese s poželjnim ishodima, a pritom izbjegavaju pogreške. (Da biste saznali više o povijesti programiranja, pogledajte računalno programiranje: od strojnog jezika do umjetne inteligencije.)
Nekoliko različitih industrija već imaju koristi od strojnog učenja, a sve je veća potražnja za ML proizvodima i uslugama širom razvijenog svijeta. Poduzeća svih vrsta iskorištavaju njegove mogućnosti predviđanja i nastoje razviti propisne metode strojnog učenja kako bi donijeli informirane odluke. Postoji mnogo različitih načina za pristup tvrtki ovoj tehnologiji, uključujući nekoliko programskih jezika koji se ističu na tom polju.
