Mašininis mokymasis - tai mokslinė disciplina, nagrinėjanti algoritmų, galinčių mokytis iš duomenų, kūrimą ir tyrimą. Tokie algoritmai veikia kurdami modelį iš įvesties pavyzdžių ir naudodami jį prognozėms ar sprendimams priimti, o ne vadovaudamiesi griežtai statiškomis programos instrukcijomis. Mašininis mokymasis yra glaudžiai susijęs su kompiuterine statistika, kuri taip pat specializuojasi prognozavimo srityje, ir dažnai sutampa su ja. Mašininis mokymasis yra informatikos mokslo pakraipa, atsiradusi dirbtinio intelekto tyrimų metu. Jis glaudžiai susijęs su statistika ir matematiniu optimizavimu, kurie šiai sričiai suteikia metodus, teoriją ir taikymo sritis. Mašininis mokymasis taikomas įvairiose kompiuterijos užduotyse, kai neįmanoma kurti ir programuoti aiškių, taisyklėmis grindžiamų algoritmų. Taikymo pavyzdžiai: šlamšto filtravimas, optinis ženklų atpažinimas (OCR), paieškos varikliai ir kompiuterinė vizija. Mašininis mokymasis kartais tapatinamas su duomenų gavyba, nors ji labiau orientuota į tiriamąją duomenų analizę. Mašininį mokymąsi ir modelių atpažinimą "galima laikyti dviem tos pačios srities aspektais". Kai mašininio mokymosi metodai taikomi pramoniniame kontekste, jie gali būti vadinami prognozuojamąja analitika arba prognozuojamuoju modeliavimu.