Maskinlæring er et sett med teknikker som gjør det mulig for datamaskiner å forbedre seg etter hvert som de får mer erfaring.

Når vi sier at «maskinen» lærer, snakker vi egentlig om algoritmer. En algoritme er, enkelt forklart, en oppskrift som gir et bestemt resultat – akkurat som en matoppskrift eller en bruksanvisning som følges stegvis og nøyaktig. Alle dataprogrammer er basert på algoritmer. De er laget slik at hvis de får input X, så gjør de handling Y. Hver gang. Men nå snakker vi om programmer som «lærer». Algoritmene er laget på en slik måte at de vil endre og tilpasse seg automatisk, for mer effektivt å oppnå målet sitt. 

Når programmet skal trenes opp, brukes det vi kaller treningsdata. Programmet fôres med et datasett, gjerne store mengder data fra ulike kilder. Mengden og kvaliteten på dataene påvirker hvor raskt og godt programmet lærer. Deretter brukes testdata, data som programmet ikke har sett før. Når vi tester programmet med et helt nytt datasett, kan vi finne ut om maskinen har lært det den skal. 

Programmet skriver selv reglene. Siden det ikke er begrenset av mennesker, betyr det også at programmet kan løse langt mer komplekse problemer enn vi mennesker er i stand til.