Strojové učení je oblast umělé inteligence, která se zaměřuje na vývoj algoritmů umožňujících počítačům učit se z dat a postupně zlepšovat svůj výkon bez explicitního programování. Strojové učení se dělí na supervizované učení (modely se učí na označených datech), nesupervizované učení (modely samy hledají vzory v datech) a posilované učení (modely se učí na základě zpětné vazby z prostředí). Používá se v široké škále aplikací, včetně prediktivní analýzy, rozpoznávání obrazu a hlasu, personalizace obsahu, autonomních vozidel a zdravotní diagnostiky. Neustálý vývoj v oblasti strojového učení přináší nové inovace a zlepšení efektivity algoritmů.
