Maskininlärning har definierats av Andrew Ng, en datavetare vid Stanford University, som "vetenskapen att få datorer att agera utan att vara uttryckligen programmerad." Det utformades först på 50-talet, men upplevde begränsade framsteg fram till ungefär 21: e århundrade. Sedan dess har maskininlärning varit en drivkraft bakom ett antal innovationer, särskilt konstgjord intelligens.
Maskininlärning kan delas in i flera kategorier, inklusive övervakad, oövervakad, halvövervakad inlärning. Medan övervakat lärande förlitar sig på märkta inmatningsdata för att dra slutsatser om utgångsresultaten, upptäcker oövervakat inlärning mönster bland omärkta inmatningsdata. Semi-övervakat lärande använder en kombination av båda metoderna, och förstärkning av lärande motiverar program att upprepa eller utarbeta processer med önskvärda resultat och samtidigt undvika fel. (För att lära dig mer om programmeringshistoriken, kolla in datorprogrammering: från maskinspråk till artificiell intelligens.)
Flera olika industrier har redan gynnats av maskininlärning och det finns en ökande efterfrågan på ML-produkter och tjänster i hela den utvecklade världen. Företag av alla slag utnyttjar dess förutsägelseförmåga och försöker utveckla receptbelagda maskininlärningsmetoder för att fatta välgrundade beslut. Det finns många olika sätt för företag att närma sig denna teknik, inklusive flera programmeringsspråk som sticker ut i fältet.
