یادگیری ماشین (Machine Learning) روشی برای تحلیل داده است که ساخت یک مدل تحلیلی را خودکار می‌کند. در واقع این علم شاخه‌ای از هوش مصنوعی است و پشت پرده‌ی آن بر این اساس است که سیستم‌ها می‌توانند از داده ها یاد بگیرند، الگوها را شناسایی کنند و در نهایت با کمترین دخالت انسانی، تصمیم‌گیری نمایند.

به لطف توسعه‌ی تکنولوژی، امروزه این فرآیند مانند گذشته نیست. اساس یادگیری ماشین، شناسایی الگوهاست به گونه ای که کام‍‍پیوترها و سیستم‌ها می‌توانند بدون این که برنامه‌ریزی شوند یاد بگیرند و بر این اساس نسبت به انجام وظایف مشخصی اقدام نمایند.

در یادگیری ماشین، Iterative بودن بسیار مهم است؛ چرا که مدل‌ها و سیستم‌ها وقتی که با داده‌های جدید سر و کار دارند، باید بتوانند که به صورت خودکار خود را با آن داده‌ها تطبیق دهند. در واقع سیستم‌ها از داده‌ها و محاسبات قبلی یاد می‌گیرند و بر این اساس، نتایج و تصمیماتی تکرارپذیر و قابل اعتماد را به عنوان خروجی به شما می‌دهند.

اگر چه الگوریتم‌های یادگیری ماشین مدت زمان زیادی است که وجود دارند اما قابلیت انجام محاسبات ریاضی پیچیده بر روی داده‌های بزرگ (Big Data) به صورت خودکار به گونه‌ای که بارها و بارها تکرار شوند و سرعت آن نیز بهبود یابد، جزء توسعه‌های جدید تلقی می‌گردد.

برای درک بهتر یادگیری ماشین، به ذکر چند مثال می‌پردازیم:

  • ماشین‌های خودران گوگل که به عنوان ظهور یادگیری ماشین تلقی می‌گردد
  • پیشنهادات اختصاصی برای هر کاربر در سایت‌هایی مانند Amazon و Netflix که می‌توان آن را به عنوان کاربرد یادگیری ماشین در زندگی روزانه تلقی کرد
  • Fraud Detection که به عنوان یکی از مثال‌های مهم و ملموس به شمار می‌رود

یادگیری ماشین در صنایع مختلف کاربردهای زیادی دارد و تقریبا می‌توان گفت تمامی صنایعی که با حجم زیادی از داده‌ها سر و کار دارند، به ارزش و اهمیت آن پی برده‌اند. برای این صنایع می‌توان به مواردی از قبیل مالی، بهداشت و سلامت، فروش، حمل و نقل، نفت و گاز و … اشاره نمود.