למידת מכונה הוגדרה על ידי אנדרו נג, מדען מחשבים מאוניברסיטת סטנפורד, כ"מדע לגרום למחשבים לפעול מבלי שתוכנתו במפורש. "הוא הוגש לראשונה בשנות החמישים, אך חווה התקדמות מוגבלת עד לסביבות שנות ה 21- מאה. מאז, למידת מכונות מהווה את הכוח המניע מאחורי מספר חידושים, בעיקר הבינה המלאכותית.
ניתן לחלק את למידת המכונה למספר קטגוריות, כולל למידה מפוקחת, ללא פיקוח, פיקוח למחצה וחיזוק. בעוד שלמידה מפוקחת מסתמכת על נתוני קלט מסומנים על מנת להסיק את מערכות היחסים שלה עם תוצאות הפלט, למידה ללא פיקוח מגלה דפוסים בין נתוני קלט ללא-תווית. למידה מפוקחת למחצה מעסיקה שילוב של שתי השיטות, ולמידה חיזוק מניע תוכניות לחזור על או להרחיב על תהליכים עם תוצאות רצויות תוך הימנעות מטעויות. (למידע על ההיסטוריה של התכנות, עיין בתכנות מחשבים: משפת מכונה לבינה מלאכותית.)
מספר תעשיות שונות כבר נהנות מלמידת מכונות, וגובר ביקוש למוצרים ושירותים של ML ברחבי העולם המפותח. עסקים מכל הסוגים מנצלים את יכולות החיזוי שלה ומבקשים לפתח שיטות לימוד מכונות מרשם כדי לקבל החלטות מושכלות. ישנן דרכים רבות ושונות לחברות לפנות לטכנולוגיה זו, כולל מספר שפות תכנות הבולטות בתחום.
