یادگیری ماشین شاخه‌ای از هوش مصنوعی است که بر یادگیری خودکار سیستم‌ها از طریق داده‌ها تأکید دارد تا بدون برنامه‌نویسی صریح، پیش‌بینی و تصمیم‌گیری انجام دهند. این فرایند شامل چهار مرحله اصلی است: جمع‌آوری داده‌ها، آماده‌سازی (فرمت‌بندی و پاک‌سازی)، انتخاب مدل و آموزش مدل برای بهینه‌سازی عملکردش بر روی داده‌های جدید. انواع روش‌های یادگیری ماشین عبارت‌اند از یادگیری نظارت‌شده، نظارت‌نشده، نیمه‌نظارت‌شده و تقویتی که بسته به نوع داده و هدف، انتخاب می‌شوند. با به‌کارگیری الگوریتم‌هایی مانند درخت تصمیم، ماشین پشتیبان بردار، شبکه‌های عصبی مصنوعی و الگوریتم‌های یادگیری عمیق، سیستم‌ها می‌آموزند که الگوها را تشخیص دهند، وظایف پیچیده را انجام دهند و با تجربه عملکردشان را به مرور بهبود بخشند.