Strojno učenje je Andrew Ng, računalničar na Univerzi Stanford, opredelil kot "znanost, kako računalniki delovati, ne da bi bili izrecno programirani." Prvotno je bila zasnovana v petdesetih letih prejšnjega stoletja, vendar je doživela omejen napredek do konca 21. stoletja. stoletja. Od takrat je strojno učenje gonilo številnih inovacij, predvsem umetne inteligence.
Strojno učenje je mogoče razčleniti na več kategorij, vključno z nadzorovanim, nenadzorovanim, polovično nadzorovanim in okrepljenim učenjem. Medtem ko se nadzorovano učenje opira na označene vhodne podatke, da bi sklepalo o njegovi povezanosti z izhodnimi rezultati, nenadzorovano učenje zazna vzorce med neoznačenimi vhodnimi podatki. Učenje pod nadzorom uporablja kombinacijo obeh metod, okrepljeno učenje pa motivira programe, da ponavljajo ali izpopolnjujejo procese z zaželenimi rezultati, obenem pa se izogibajo napakam. (Če želite izvedeti več o zgodovini programiranja, si oglejte Računalniško programiranje: od strojnega jezika do umetne inteligence.)
Več strojitev že ima koristi od strojnega učenja in povpraševanje po izdelkih in storitvah ML je vse večje v razvitem svetu. Podjetja vseh vrst izkoriščajo njegove napovedne sposobnosti in si prizadevajo razviti predpisovalne metode strojnega učenja za sprejemanje premišljenih odločitev. Obstaja veliko različnih načinov, da podjetja pristopijo k tej tehnologiji, vključno z več programskimi jeziki, ki izstopajo na tem področju.