Η '''μηχανική μάθηση''' (machine learning) είναι μια περιοχή της [[Επιστήμη των Υπολογιστών|επιστήμης των υπολογιστών]] η οποία αφορά [[αλγόριθμος|αλγορίθμους]] και μεθόδους που επιτρέπουν στους [[ηλεκτρονικός υπολογιστής|υπολογιστές]] να «μαθαίνουν». Με τη μηχανική μάθηση καθίσταται εφικτή η κατασκευή ''προσαρμόσιμων'' (adaptable) [[πρόγραμμα υπολογιστή|προγραμμάτων υπολογιστών]] τα οποία λειτουργούν με βάση την αυτοματοποιημένη ανάλυση συνόλων δεδομένων και όχι τη διαίσθηση των μηχανικών που τα προγραμμάτισαν. Η μηχανική μάθηση εφαρμόζεται σε μια σειρά από μηχανογραφικών εργασιών όπου η χρήση αλγορίθμων, τόσο κατά το σχεδιασμό όσο και κατά τον προγραμματισμό τους είναι απαραίτητηανέφικτη. Παραδείγματα εφαρμογών αποτελούν τα φίλτρα [[σπαμ]] (spam filtering)<ref>{{Cite web|url = https://en.wikipedia.org/wiki/Email_filtering|title = Email filtering|date = |accessdate = |website = |publisher = |last = |first = }}</ref>, η οπτική αναγνώριση χαρακτήρων<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%9F%CF%80%CF%84%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%B1%CE%B3%CE%BD%CF%8E%CF%81%CE%B9%CF%83%CE%B7_%CE%A7%CE%B1%CF%81%CE%B1%CE%BA%CF%84%CE%AE%CF%81%CF%89%CE%BD|title = Οπτική Αναγνώριση Χαρακτήρων|date = |accessdate = |website = |publisher = |last = |first = }}</ref> (OCR), οι [[Μηχανή αναζήτησης|μηχανές αναζήτησης]]<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%9C%CE%B7%CF%87%CE%B1%CE%BD%CE%AE_%CE%B1%CE%BD%CE%B1%CE%B6%CE%AE%CF%84%CE%B7%CF%83%CE%B7%CF%82|title = Μηχανή Αναζήτησης|date = |accessdate = |website = |publisher = |last = |first = }}</ref> και η [[Μηχανική όραση|υπολογιστική όραση]]<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%9C%CE%B7%CF%87%CE%B1%CE%BD%CE%B9%CE%BA%CE%AE_%CF%8C%CF%81%CE%B1%CF%83%CE%B7|title = Μηχανική όραση|date = |accessdate = |website = |publisher = |last = |first = }}</ref>. Η μηχανική μάθηση επικαλύπτεται σημαντικά με τη [[στατιστική]], αφού και τα δύο πεδία μελετούν την ανάλυση δεδομένων, όπως επίσης και με τη [[εξόρυξη δεδομένων]]<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%95%CE%BE%CF%8C%CF%81%CF%85%CE%BE%CE%B7_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD|title = Εξόρυξη δεδομένων|date = |accessdate = |website = |publisher = |last = |first = }}</ref> (data mining),. Στην ωστόσοανάλυση δεδομένων η δεύτερημηχανική εστιάζειμάθηση περισσότεροχρησιμοποιείται στηως διερευνητικήμέθοδος ανάλυσηγια την κατασκευή πολύπλοκων μοντέλων και αλγορίθμων με στόχο την πρόβλεψη. Αυτά τα ερυνητικά μοντέλα επιτρέπουν στους ερευνητές, τους αναλυτές δεδομένων και τους μηχανικούς "να παράγουν αξιόπιστες και κατάλληλες αποφάσεις και αποτελέσματα" και να ανακαλύπτουν άγνωστες ιστορικές σχέσεις και τάσεις των δεδομένων. Η Μηχανική Μάθηση και η [[αναγνώριση προτύπων]], μπορούν να θεωρηθούν ως δυο όψεις του ίδιου τομέα.<ref>{{Cite web|url = http://www.rmki.kfki.hu/~banmi/elte/Bishop%20-%20Pattern%20Recognition%20and%20Machine%20Learning.pdf|title = C. M. Bishop (2006). Pattern Recognition and Machine Learning. Springer. ISBN 0-387-31073-8.|date = |accessdate = |website = |publisher = |last = |first = }}</ref>
