L’aprenentatge automàtic ha estat definit per Andrew Ng, un informàtic de la Universitat de Stanford, com “la ciència d’aconseguir que els ordinadors actuïn sense haver estat programat explícitament”. Va ser ideat per primera vegada a la dècada de 1950, però va experimentar progressos limitats fins al voltant del final del 21. segle. Des de llavors, l’aprenentatge de màquines ha estat el motor de diverses innovacions, sobretot la intel·ligència artificial.
L’aprenentatge de màquines es pot desglossar en diverses categories, incloent l’aprenentatge tutelat, no supervisat, semi-supervisat i de reforç. Si bé l’aprenentatge supervisat es basa en dades d’entrada etiquetades per tal d’inferir les seves relacions amb els resultats de sortida, l’aprenentatge no supervisat detecta patrons entre les dades d’entrada no etiquetades. L’aprenentatge semi-supervisat utilitza una combinació d’ambdós mètodes i l’aprenentatge de reforç motiva els programes a repetir o elaborar processos amb resultats desitjables evitant errors. (Per obtenir informació sobre la història de la programació, mireu la programació per ordinador: del llenguatge de màquina a la intel·ligència artificial.)
Diverses indústries diferents ja es beneficien de l'aprenentatge automàtic, i hi ha una demanda creixent de productes i serveis de ML a tot el món desenvolupat. Empreses de tot tipus aprofiten les seves capacitats de predicció i busquen desenvolupar mètodes prescriptius d’aprenentatge de màquines per prendre decisions informades. Hi ha moltes maneres diferents perquè les empreses s’apropin a aquesta tecnologia, incloent-hi diversos llenguatges de programació que destaquen en el camp.
