Maskinlæring er blevet defineret af Andrew Ng, en computer videnskabsmand ved Stanford University, som "videnskaben om at få computere til at handle uden at være eksplicit programmeret." Den blev først udtænkt i 1950'erne, men oplevede begrænsede fremskridt indtil omkring 21. århundredet århundrede. Siden da har maskinlæring været en drivkraft bag en række innovationer, især kunstig intelligens.
Maskinindlæring kan opdeles i flere kategorier, herunder overvåget, uovervåget, semi-overvåget og forstærkende læring. Mens overvåget læring er afhængig af mærkede inputdata for at udlede sine forhold til outputresultater, registrerer uovervåget læring mønstre blandt umærkede inputdata. Semi-overvåget læring anvender en kombination af begge metoder, og forstærkende læring motiverer programmer til at gentage eller uddybe processer med ønskelige resultater, samtidig med at man undgår fejl. (For at lære om programmeringens historie skal du tjekke Computerprogrammering: Fra maskinsprog til kunstig intelligens.)
Flere forskellige brancher drager allerede fordel af maskinlæring, og der er en stigende efterspørgsel efter ML-produkter og -tjenester i hele den udviklede verden. Virksomheder af alle slags drager fordel af dets forudsigelsesevne og søger at udvikle receptpligtige maskinindlæringsmetoder for at tage informerede beslutninger. Der er mange forskellige måder for virksomheder at nærme sig denne teknologi, herunder flere programmeringssprog, der skiller sig ud i marken.
