Introductie

Machine learning is op veel manieren het snijpunt van twee disciplines: data science en software engineering. Het doel van machine learning is om gegevens te gebruiken om een voorspellend model te maken dat kan worden opgenomen in een softwaretoepassing of -service. Om dit doel te bereiken, is samenwerking vereist tussen gegevenswetenschappers die de gegevens verkennen en voorbereiden voordat ze deze gebruiken om een machine learning-model te trainen en softwareontwikkelaars die de modellen integreren in toepassingen waar ze worden gebruikt om nieuwe gegevenswaarden te voorspellen (een proces dat bekend staat als deductie).

Machine learning heeft de oorsprong van statistieken en wiskundige modellering van gegevens. Het fundamentele idee van machine learning is het gebruik van gegevens uit eerdere waarnemingen om onbekende resultaten of waarden te voorspellen. Voorbeeld:

• De eigenaar van een ijswinkel kan een app gebruiken die historische verkoop- en weerrecords combineert om te voorspellen hoeveel ijsjes ze waarschijnlijk op een bepaalde dag verkopen, op basis van de weersvoorspelling.
• Een arts kan klinische gegevens van eerdere patiënten gebruiken om geautomatiseerde tests uit te voeren die voorspellen of een nieuwe patiënt risico loopt op basis van factoren zoals gewicht, bloedglucosegehalte en andere metingen.
• Een onderzoeker in het Antarctisch kan eerdere waarnemingen gebruiken om de identificatie van verschillende pinguïnsoorten (zoals Adelie, Gentoo of Chinstrap) te automatiseren op basis van metingen van de flippers, bill en andere fysieke kenmerken van een vogel.