I stedet for at programmere regler manuelt, så indsæt eksempler og lad algoritmen finde mønstre. Maskinlæring bygger modeller, der forbedres med data, og det understøtter nu søgning, anbefalinger, svindeldetektion og talegenkendelse.

Feltet opdeles i supervision. Superviseret læring bruger mærkede data. Uovervåget læring finder struktur uden etiketter. Forstærkende læring lærer af belønningssignaler gennem interaktion. Hvert emne passer til forskellige problemer.

Fælles læringsparadigmer

• Superviseret læring fra etiketter
• Uovervåget læring fra struktur
• Forstærkning af læring fra belønning
• Semi-superviseret læring fra blandede data
• Selvstyret læring fra påskudsopgaver

Data dominerer resultater. En simpel model baseret på rene, relevante data overgår ofte en kompleks model baseret på støjende data. Praktikere bruger det meste af deres tid på dataindsamling, -rensning og -validering, ikke på arkitektursøgning.