Машинното обучение е дефинирано от Андрю Нг, компютърен учен в университета в Станфорд, като „науката да се накарат компютрите да действат, без да са изрично програмирани.“ Първоначално е замислена през 50-те години на миналия век, но има ограничен напредък до края на 21-ви век. Оттогава машинното обучение е движеща сила за редица иновации, най-вече изкуствения интелект.
Машинното обучение може да бъде разделено на няколко категории, включително контролирано, неподдържано, полу-контролирано и усилено обучение. Докато контролираното обучение разчита на етикетирани входни данни, за да се заключи връзката му с изходните резултати, неподдържаното обучение открива модели сред неозначените входни данни. Полу-контролираното обучение използва комбинация от двата метода, а засилващото обучение мотивира програмите да повтарят или разработват процеси с желани резултати, като същевременно избягват грешки. (За да научите повече за историята на програмирането, вижте Компютърно програмиране: от машинен език до изкуствен интелект.)
Няколко различни индустрии вече се възползват от машинното обучение и има все по-голямо търсене на ML продукти и услуги в развития свят. Всички видове предприятия се възползват от неговите прогнозни възможности и се стремят да разработят предписателни методи за машинно обучение, за да вземат информирани решения. Има много различни начини компаниите да подходят към тази технология, включително няколко езика за програмиране, които се открояват в тази област.
