機器學習是一門設計 “如何讓演算法能夠學習” 的電腦科學，讓機器能夠透過觀察已知的資料，學習預測未知的資料。典型的應用包含概念學習（Concept learning）、函數學習（Function learning）、預測模型（Predictive modeling）、分群（Clustering）與找尋預測特徵（Finding predictive patterns）。終極目標是讓電腦能夠自行提升學習能力，預測未知資料的準確性能夠隨著已知資料的增加而提高，節省使用者人工調整校正的精力。

種類

監督式學習(Supervised Learning)
半監督式學習(Semi-supervised Learning)
遷移學習(Transfer Learning)
非監督式學習(Unsupervised Learning)
結構式學習(Structured Learning)
強化式學習(Reinforcement Learning)