Maschinelles Lernen ist ein Teilgebiet der KI (Künstlichen Intelligenz).
Ziel des maschinellen Lernens ist es, aus vorhandenem Datenmaterial Gesetzmäßigkeiten, Muster oder Handlungsabläufe automatisch zu erkennen. In der Bildverarbeitung sollen z.B. Objekte innerhalb eines Bildes erkannt werden.
Bei der klassischen Vorgehensweise wird explizit durch einen Programmierer ein Algorithmus bzw. Programmcode implementiert, der vorgibt, wie die Eingangsdaten zu verarbeiten sind. Die einmal festgelegte Logik ist dabei relativ starr und kann nur durch eine manuelle Anpassung des Algorithmus abgeändert werden.
Beim maschinellen Lernen wird versucht, Abhängigkeiten in den Daten durch ein dynamisches Modell abzubilden. Die konkrete Parametrisierung des Modell wird dann nicht explizit durch einen Programmierer festgelegt. Stattdessen werden in einer Trainingsphase Trainingsdaten an einen Lernalgorithmus angelegt, um automatisch eine optimale Einstellung der Modellparameter zu finden. Ziel und gleichzeitig Herausforderung ist es, dass das Modell die Muster in den Daten dann nicht nur auf den Trainingsdaten optimal abbildet, sondern auch später auf unbekannten Daten (Generalisierung).
Des Weiteren ist für das maschinelle Lernen charakteristisch, dass diese Trainingsphase nicht einmal durchlaufen und dann unveränderlich ist, sondern dass sie in gewissen Abständen wiederholt wird, um das Modell an sich verändernde Daten anzupassen.
Vgl. auch überwachtes Lernen.