नियमों को हाथ से प्रोग्राम करने के बजाय, उदाहरण दें और एल्गोरिदम को पैटर्न खोजने दें। मशीन लर्निंग ऐसे मॉडल बनाती है जो डेटा के साथ बेहतर होते जाते हैं, और अब यह खोज, अनुशंसा, धोखाधड़ी का पता लगाने और वाक् पहचान का आधार है।

पर्यवेक्षण के आधार पर यह क्षेत्र दो भागों में बँट जाता है। पर्यवेक्षित अधिगम में लेबल किए गए डेटा का उपयोग होता है। गैर-पर्यवेक्षित अधिगम में लेबल के बिना संरचना का पता लगाया जाता है। सुदृढ़ीकरण अधिगम में अंतःक्रिया के माध्यम से पुरस्कार संकेतों से सीखा जाता है। प्रत्येक विधि अलग-अलग समस्याओं के लिए उपयुक्त है।

सामान्य शिक्षण प्रतिमान

• लेबल से पर्यवेक्षित शिक्षण
• संरचना से अनियंत्रित शिक्षण
• पुरस्कार से सुदृढ़ीकरण अधिगम
• मिश्रित डेटा से अर्ध-पर्यवेक्षित शिक्षण
• पूर्व-परिकल्पना कार्यों से स्व-पर्यवेक्षित अधिगम

परिणामों में डेटा का ही महत्व होता है। स्वच्छ और प्रासंगिक डेटा पर आधारित एक सरल मॉडल अक्सर शोरगुल वाले डेटा पर आधारित एक जटिल मॉडल से बेहतर प्रदर्शन करता है। पेशेवर अपना अधिकांश समय डेटा संग्रह, उसे साफ करने और उसकी पुष्टि करने में व्यतीत करते हैं, न कि आर्किटेक्चर की खोज में।