與其手動編寫規則，不如輸入範例，讓演算法自動發現模式。機器學習建構的模型能夠隨著資料量的增加而不斷改進，如今它已成為搜尋、推薦、詐欺偵測和語音辨識等領域的基礎。

該領域根據監督方式進行劃分。監督學習使用已標記的資料。無監督學習在沒有標籤的情況下尋找結構。強化學習透過互動從獎勵訊號中學習。每種方法都適用於不同的問題。

共同學習範式

• 基於標籤的監督學習
• 從結構中進行無監督學習
• 從獎勵中進行強化學習
• 基於混合資料的半監督學習
• 從預設任務進行自我監督學習

數據主導結果。基於乾淨、相關資料的簡單模型通常優於基於雜訊資料的複雜模型。實踐者將大部分時間花費在資料收集、清洗和驗證上，而不是架構探索。