मशीन लर्निंग को स्टैनफोर्ड विश्वविद्यालय के एक कंप्यूटर वैज्ञानिक एंड्रयू एनजी द्वारा परिभाषित किया गया है, "स्पष्ट रूप से प्रोग्राम किए बिना कार्य करने के लिए कंप्यूटर प्राप्त करने का विज्ञान।" यह पहली बार 1950 के दशक में कल्पना की गई थी, लेकिन 21 वीं बारी के आसपास तक सीमित प्रगति का अनुभव किया। सदी। तब से, मशीन सीखना कई नवाचारों के पीछे एक प्रेरक शक्ति रही है, विशेष रूप से कृत्रिम बुद्धिमत्ता।
मशीन लर्निंग को कई श्रेणियों में विभाजित किया जा सकता है, जिसमें सुपरवाइज्ड, अनसपर्विस्ड, सेमी-सुपरवाइज्ड और रीइनफोर्समेंट लर्निंग शामिल हैं। हालांकि, पर्यवेक्षित शिक्षण आउटपुट परिणामों के साथ अपने संबंधों का अनुमान लगाने के लिए लेबल किए गए इनपुट डेटा पर निर्भर करता है, लेकिन बिना पढ़े हुए इनपुट डेटा के बीच अनिश्चित शिक्षण पैटर्न का पता लगाता है। अर्ध-पर्यवेक्षित अधिगम दोनों विधियों के संयोजन को नियोजित करता है, और सुदृढीकरण अधिगम कार्यक्रमों को त्रुटियों से बचने के दौरान वांछित परिणामों के साथ प्रक्रियाओं को दोहराने या विस्तृत करने के लिए प्रेरित करता है। (प्रोग्रामिंग के इतिहास के बारे में जानने के लिए, कंप्यूटर प्रोग्रामिंग की जाँच करें: मशीन भाषा से कृत्रिम बुद्धिमत्ता के लिए।)
कई अलग-अलग उद्योग पहले से ही मशीन सीखने से लाभान्वित हो रहे हैं, और विकसित दुनिया भर में एमएल उत्पादों और सेवाओं की बढ़ती मांग है। सभी प्रकार के व्यवसाय इसकी भविष्य कहनेवाला क्षमताओं का लाभ उठा रहे हैं, और सूचित निर्णय लेने के लिए प्रिस्क्रिप्टिव मशीन सीखने के तरीकों को विकसित करना चाहते हैं। कंपनियों के लिए इस तकनीक से संपर्क करने के कई अलग-अलग तरीके हैं, जिसमें कई प्रोग्रामिंग भाषाएं भी शामिल हैं जो क्षेत्र में बाहर खड़ी हैं।
