O aprendizado de máquina foi definido por Andrew Ng, cientista da computação da Universidade de Stanford, como "a ciência de fazer os computadores agirem sem serem explicitamente programados". Foi concebido pela primeira vez na década de 1950, mas teve um progresso limitado até a virada do dia 21. século. Desde então, o aprendizado de máquina tem sido uma força motriz por trás de várias inovações, principalmente a inteligência artificial.
O aprendizado de máquina pode ser dividido em várias categorias, incluindo aprendizado supervisionado, não supervisionado, semi-supervisionado e de reforço. Enquanto o aprendizado supervisionado depende de dados de entrada rotulados para inferir suas relações com os resultados de saída, o aprendizado não supervisionado detecta padrões entre os dados de entrada não rotulados. O aprendizado semi-supervisionado emprega uma combinação de ambos os métodos, e o aprendizado por reforço motiva os programas a repetir ou elaborar processos com resultados desejáveis, evitando erros. (Para aprender sobre o histórico da programação, consulte Programação de computadores: da linguagem de máquina à inteligência artificial.)
Várias indústrias diferentes já estão se beneficiando do aprendizado de máquina e há uma demanda crescente por produtos e serviços de ML em todo o mundo desenvolvido. Empresas de todos os tipos estão aproveitando suas capacidades preditivas e procuram desenvolver métodos prescritos de aprendizado de máquina para tomar decisões informadas. Existem muitas maneiras diferentes de as empresas abordarem essa tecnologia, incluindo várias linguagens de programação que se destacam no campo.
