Maskinlæring har blitt definert av Andrew Ng, dataforsker ved Stanford University, som "vitenskapen om å få datamaskiner til å handle uten å være eksplisitt programmert." Den ble først unnfanget på 1950-tallet, men opplevde begrenset fremgang frem til rundt 21. århundre århundre. Siden den gang har maskinlæring vært en pådriver for en rekke innovasjoner, spesielt kunstig intelligens.
Maskinlæring kan deles inn i flere kategorier, inkludert veiledet, uten tilsyn, semi-veiledet og forsterkende læring. Mens veiledet læring er avhengig av merkede inputdata for å utlede forholdet til utdata, oppdager uovervåket læring mønstre blant umerkede inputdata. Semi-veiledet læring bruker en kombinasjon av begge metodene, og forsterkende læring motiverer programmene til å gjenta eller utdype prosesser med ønskelige resultater samtidig som de unngår feil. (For å lære om programmeringshistorikken, sjekk ut dataprogrammering: Fra maskinspråk til kunstig intelligens.)
Flere forskjellige bransjer drar allerede nytte av maskinlæring, og det er en økende etterspørsel etter ML-produkter og tjenester over hele den utviklede verden. Bedrifter av alle slag drar nytte av dets forutsigelsesevner, og prøver å utvikle reseptbelagte maskinlæringsmetoder for å ta informerte beslutninger. Det er mange forskjellige måter for bedrifter å tilnærme seg denne teknologien, inkludert flere programmeringsspråk som skiller seg ut i felt.
