یادگیری ماشین زیر مجموعه ای از هوش مصنوعی است که موضوع آن الگوریتم های است که به رایانه ها اجازه یادگیری می دهد. در اغلب موارد یک الگوریتم به همراه مجموعه ای از داده ها و اطلاعات استنباطی درباره ویژگیهای داده است. این اطلاعات اجازه می دهند درباره داده های که در آینده خواهیم دید پیشبینی هایی داشته باشیم. این کار به این دلیل چنین کاری قابل انجام است که اغلب داده های غیر تصادفی دارای الگوهایی هستند و این الگو ها به ماشین اجازه میدهند که مشاهدات خود را عمومیت ببخشد. الگوریتم های یادگیری ماشین متفاوتی وجود دارند. هرکدام دارای نقاط قوت خاص خود هستند و برای حل انواع مختلفی از مشکلات طراحی شده اند. بعضی از آنها مانند درخت تصمیم واضح هستند، بنابراین مشاهده گر می تواند به صورت کامل مراحل نتیجه گیری توسط ماشین را بفهمد. بعضی مانند شبکه های عصبی مانند یک جعبه سیاه عمل می کنند، یعنی آنها یک پاسخ برمی گردانند، اما اغلب خیلی سخت می توان مراحل و دلایل انتخاب در پشت آن را باز تولید کرد.
در دوره آموزشی Udacity Machine Learning Engineer Nanodegree با مباحث مهندسی یادگیری ماشین آشنا می شوید.