Machine Learning er en gren inden for kunstig intelligens (AI), der fokuserer på at udvikle algoritmer og statistiske modeller, som gør det muligt for computere at lære og forbedre deres præstationer på opgaver uden at være eksplicit programmeret til det.

Grundlæggende handler machine learning om at træne en computer ved hjælp af store mængder data, så den kan genkende mønstre, træffe beslutninger eller forudsige resultater baseret på nye, ukendte data. I stedet for at følge faste regler, lærer systemet selv ved at analysere eksempler.

Nøglebegreber inden for machine learning inkluderer:

• Træningsdata: De data, som maskinen bruger til at lære. Disse data indeholder eksempler med kendte resultater.
• Model: Den matematiske struktur eller algoritme, som lærer fra dataene og laver forudsigelser.
• Feature: En individuel måling eller egenskab i dataene, som modellen bruger til at lære.
• Superviseret læring: En type machine learning, hvor modellen trænes med data, der indeholder både input og korrekte output (labels).
• Usuperviseret læring: En type machine learning, hvor modellen forsøger at finde mønstre eller grupperinger i data uden kendte output.
• Generaliseringsgrad: Modellens evne til at anvende det lærte på nye, tidligere ukendte data.

Machine learning anvendes bredt i mange områder som billedgenkendelse, naturlig sprogbehandling, anbefalingssystemer og meget mere, og det er en central teknologi bag mange moderne AI-løsninger.