In de informatica verwijst machine learning naar een soort gegevensanalyse waarbij algoritmen worden gebruikt die van gegevens leren. Het is een soort kunstmatige intelligentie (AI) die systemen de mogelijkheid biedt om te leren zonder expliciet te worden geprogrammeerd. Hierdoor kunnen computers gegevens binnen gegevens vinden zonder menselijke tussenkomst.
Wat belangrijk is om te weten over machine learning, is dat gegevens worden gebruikt om voorspellingen te doen, niet om te coderen. Gegevens zijn dynamisch, dus machine learning stelt het systeem in staat om te leren en te evolueren met ervaring en des te meer gegevens die worden geanalyseerd.
Oorsprong van de zin Machine Learning
Machine learning werd voor het eerst gedefinieerd in 1959 door Arthur Samuel, een pionier op het gebied van kunstmatige intelligentie en machine learning. Samuel definieerde machine learning als een “studiegebied dat computers de mogelijkheid geeft om te leren zonder expliciet te worden geprogrammeerd”.
Supervised versus unsupervised machine learning
Doorgaans wordt machine learning gecategoriseerd als machine learning met of zonder supervisie:
Supervised Machine Learning: een vooraf gedefinieerde reeks voorbeelden wordt gebruikt om tot een conclusie te komen bij gegeven gegevens.
Machine learning zonder toezicht: het systeem vindt patronen en relaties in de gegevens zonder voorbeelden waaruit conclusies kunnen worden getrokken.
Voorbeelden van machine learning
Tegenwoordig kunnen algoritmen voor machine learning complexe berekeningen heel snel toepassen op big data. Een van de bekendste voorbeelden van machine learning is de zelfrijdende auto van Google. Deze zelfrijdende auto is sterk afhankelijk van machine learning en datamining om alle sensorgegevens te verwerken.
Machine learning wordt ook gebruikt in webzoekmachines, aanbevelingssystemen, online advertentieplaatsing, spamfilters voor e-mail en vele andere toepassingen.
Machine lverdienen kan worden afgekort als ML.