Học máy là lĩnh vực khoa học máy tính sử dụng các kỹ thuật thống kê để cung cấp cho hệ thống máy tính khả năng "tìm hiểu" (ví dụ: cải thiện dần hiệu suất trên một tác vụ cụ thể) với dữ liệu mà không được lập trình rõ ràng.
Việc học máy tên được đặt ra vào năm 1959 bởi Arthur Samuel. Phát triển từ nghiên cứu nhận thức mẫu và lý thuyết học tính toán trong trí thông minh nhân tạo, học máy khám phá nghiên cứu và xây dựng các thuật toán có thể học hỏi và đưa ra các dự đoán về dữ liệu - các thuật toán này vượt qua các hướng dẫn chương trình tĩnh nghiêm ngặt bằng cách đưa ra các dự đoán hoặc quyết định theo hướng dữ liệu , thông qua xây dựng mô hình từ các đầu vào mẫu. Học máy được sử dụng trong một loạt các nhiệm vụ tính toán trong đó thiết kế và lập trình các thuật toán rõ ràng với hiệu năng tốt là khó hoặc không khả thi; các ứng dụng ví dụ bao gồm lọc email, phát hiện những kẻ xâm nhập mạng và tầm nhìn máy tính.
Học máy có liên quan chặt chẽ đến (và thường chồng chéo với) thống kê tính toán, cũng tập trung vào việc dự đoán thông qua việc sử dụng máy tính. Nó có quan hệ chặt chẽ với tối ưu hóa toán học, cung cấp các phương thức, lý thuyết và miền ứng dụng cho trường. Máy học đôi khi được khai thác với khai thác dữ liệu, trong đó trường con thứ hai tập trung nhiều hơn vào phân tích dữ liệu thăm dò và được gọi là học tập không giám sát.
Trong lĩnh vực phân tích dữ liệu, học máy là một phương pháp được sử dụng để đưa ra các mô hình phức tạp và các thuật toán cho vay để dự đoán; trong sử dụng thương mại, điều này được gọi là phân tích dự báo. Những mô hình phân tích này cho phép các nhà nghiên cứu, nhà khoa học, kỹ sư và nhà phân tích "tạo ra các quyết định và kết quả đáng tin cậy, lặp lại" và khám phá "những hiểu biết ẩn giấu" thông qua học hỏi từ các mối quan hệ lịch sử và xu hướng trong dữ liệu.
Decreased app size. Enhanced reliability. Improved performance.