Машинное обучение (Machine Learning, ML) – один из распространенных разделов ИИ. Представляет собой определение связей в данных, выявление влияния зависимых переменных от независимых с целью предсказания результата на то или иное событие по входным данным. Получил свое распространение благодаря широкому кругу применения – машинное обучение успешно находит свое применение практически во всех сферах деятельности. Особенно интересно использование ML для поиска зависимостей в больших данных, накопленных за годы работы компаний. Алгоритмы ML находят порой совершенно неожиданные зависимости, о которых человек никогда прежде не задумывался.

В ML существует множество способов обучения: с учителем и без, с подкреплением, ансамблевые методы, с помощью нейронных сетей. Выбор того или иного способа зависит от качества данных, простоты выделения определяющих признаков, возможности предоставить учителей или давать обратную связь результатам работы ML, корректировать результаты работы алгоритмов ML. Также не малое значение имеет само бизнес-применение ML, какие бизнес-задачи планируется решить его силами. Строить сложную нейронную с большим количеством внутренних слоев и сложной логикой работы для, например, поиска связных документов в архиве, нецелесообразно. Выбор методов решения должен быть целесообразен решаемой задаче.