In plaats van regels handmatig te programmeren, geef je voorbeelden en laat je het algoritme patronen vinden. Machine learning bouwt modellen die verbeteren met data, en vormt nu de basis voor zoekopdrachten, aanbevelingen, fraudedetectie en spraakherkenning.

Het vakgebied wordt onderverdeeld op basis van supervisie. Supervised learning maakt gebruik van gelabelde data. Unsupervised learning vindt structuur zonder labels. Reinforcement learning leert van beloningssignalen door middel van interactie. Elk type leermethode is geschikt voor verschillende problemen.

Gangbare leerparadigma's

• Begeleid leren aan de hand van labels
• Ongecontroleerd leren vanuit structuur
• Versterkingsleren door beloning
• Semi-supervised leren van gemengde data
• Zelfgestuurd leren vanuit voorwendseltaken

Data is doorslaggevend voor de uitkomst. Een eenvoudig model op schone, relevante data presteert vaak beter dan een complex model op ruisende data. Praktijkgerichte professionals besteden het grootste deel van hun tijd aan het verzamelen, opschonen en valideren van data, niet aan het zoeken naar een geschikte architectuur.