Maschinelles Lernen, als Teilbereich der künstlichen Intelligenz, ermöglicht Computern das selbstständige Lernen aus Daten und Erfahrungen, ohne explizite Programmierung. Der Fokus liegt auf eigenständigem Lernen, wodurch der Algorithmus seinen Code automatisch generiert. Die Trainingsdaten, präsentiert als Merkmale oder Bilder, dienen der schrittweisen Verbesserung der Performanz.
Verschiedene maschinelle Lernmodelle nutzen diverse algorithmische Techniken und lassen sich in überwachte, unüberwachte, teilüberwachte oder bestärkende Modelle einteilen. Diese Modelle können Aufgaben wie Vorhersagen, Wahrscheinlichkeitsberechnungen, Gruppenerkennung, Sequenzanalyse, Dimensionsreduktion und Prozessoptimierung bewältigen.
Künstliche Intelligenz bildet das übergeordnete Element, das maschinelles Lernen, Deep Learning und neuronale Netze umfasst. Innerhalb des maschinellen Lernens sind Algorithmen darauf ausgerichtet, Klassifizierungen, Mustererkennung, Vorhersagen und fundierte Entscheidungen zu treffen. Diese Algorithmen können einzeln oder kombiniert verwendet werden, um bei komplexen und unvorhersehbaren Daten die höchste Genauigkeit zu erzielen.