Andrew Ng, un científico de la computación de la Universidad de Stanford, definió el aprendizaje automático como "la ciencia de hacer que las computadoras actúen sin ser programadas explícitamente". Fue concebido por primera vez en la década de 1950, pero experimentó un progreso limitado hasta aproximadamente el 21 siglo. Desde entonces, el aprendizaje automático ha sido una fuerza impulsora detrás de una serie de innovaciones, especialmente la inteligencia artificial.
El aprendizaje automático se puede dividir en varias categorías, que incluyen aprendizaje supervisado, no supervisado, semi-supervisado y de refuerzo. Si bien el aprendizaje supervisado se basa en datos de entrada etiquetados para inferir sus relaciones con los resultados de salida, el aprendizaje no supervisado detecta patrones entre los datos de entrada no etiquetados. El aprendizaje semi-supervisado emplea una combinación de ambos métodos, y el aprendizaje por refuerzo motiva a los programas a repetir o elaborar procesos con resultados deseables y evitar errores. (Para conocer la historia de la programación, consulte Programación de computadoras: del lenguaje de máquina a la inteligencia artificial).
Varias industrias diferentes ya se están beneficiando del aprendizaje automático, y existe una creciente demanda de productos y servicios de ML en todo el mundo desarrollado. Las empresas de todo tipo están aprovechando sus capacidades predictivas y buscan desarrollar métodos de aprendizaje automático prescriptivos para tomar decisiones informadas. Hay muchas maneras diferentes para que las empresas aborden esta tecnología, incluidos varios lenguajes de programación que se destacan en el campo.
