Strojové učení byl definován Andrew Ng, počítačovým vědcem na Stanfordské univerzitě, jako „věda, jak přimět počítače, aby jednaly, aniž by byly explicitně programovány.“ Poprvé bylo pojato v 50. letech 20. století, ale až do přelomu 21. a 21. století došlo k omezenému pokroku. století. Od té doby je strojové učení hnací silou řady inovací, zejména umělé inteligence.
Strojové učení lze rozdělit do několika kategorií, včetně učení pod dohledem, bez dozoru, polo dozoru a posilování. Zatímco supervidované učení závisí na označených vstupních datech, aby bylo možné odvodit jeho vztahy s výstupními výsledky, učení bez dozoru detekuje vzorce mezi neoznačenými vstupními daty. Učení částečně kontrolované využívá kombinaci obou metod a posílení učení motivuje programy, aby opakovaly nebo zpracovávaly procesy s žádoucími výsledky a vyhýbaly se chybám. (Chcete-li se dozvědět více o historii programování, podívejte se na počítačové programování: od strojového jazyka k umělé inteligenci.)
Strojové učení již prospívá několika různým odvětvím a v rozvinutém světě roste poptávka po produktech a službách ML. Podniky všeho druhu využívají svých predikčních schopností a snaží se vyvinout předepsané metody strojového učení za účelem informovaného rozhodování. Existuje mnoho různých způsobů, jak společnosti přistupovat k této technologii, včetně několika programovacích jazyků, které vynikají v této oblasti.
