El aprendizaje automático es el estudio en la ciencia de la computación de la creación de algoritmos que pueden clasificar información que no han visto antes, al aprender patrones de capacitación sobre información similar. Hay todo tipo de “aprendices” en este sentido. Las redes neuronales, las redes bayesianas, los árboles de decisión, los algoritmos de agrupamiento k, los modelos ocultos de Markov y las máquinas de vectores de soporte son ejemplos.
Según el alumno, cada uno de ellos aprende de diferentes maneras. Algunos alumnos producen marcos comprensibles para los humanos (por ejemplo, árboles de decisión), y algunos son generalmente inescrutables (por ejemplo, redes neuronales).
Todos los alumnos están esencialmente basados en datos, lo que significa que guardan su estado como datos para ser reutilizados más tarde. No se auto modifican como tales, al menos en general.