Nel senso più fondamentale, Machine Learning (ML) è un modo per implementare l'intelligenza artificiale (AI o IA). Simile all'IA, l'apprendimento automatico è una branca dell'informatica che studia la progettazione di algoritmi che hanno la capacità di apprendere da vari eventi.
Algoritmi, set di dati, apprendimento automatico, apprendimento approfondito, calcolo cognitivo, big data e intelligenza artificiale: espressioni IT che hanno assunto il linguaggio di molte realtà industriali. ML è una delle tecnologie più eccitanti che si sarebbero mai potute incontrare. Come è evidente dal nome, dà al computer ciò che lo rende più simile agli umani: la capacità di apprendere. Oggi l'apprendimento automatico viene utilizzato attivamente, forse in molti più posti di quanto ci si aspetterebbe.
L'apprendimento automatico è un sottoinsieme dell'IA. Cioè, tutto l'apprendimento automatico conta come AI, ma non tutti i topics di intelligenza artificiale sono considerati come apprendimento automatico. L'apprendimento automatico è il campo dell'informatica che consente ai computer di apprendere senza essere programmati esplicitamente sulla base di statistiche computazionali e data mining. Come per le statistiche tradizionali, l'apprendimento automatico richiede set di dati di addestramento sufficienti e gli algoritmi corretti per ottimizzare le prestazioni sul set di dati di addestramento prima del test. Tuttavia, contrariamente ai metodi tradizionali, l'apprendimento automatico è incentrato sulla costruzione di sistemi decisionali automatizzati.
L'apprendimento automatico supervisionato può anche essere implementato in modo efficace per prevedere eventi sanitari basati su vari dati di input, che possono essere classificati in modo lineare. Ad esempio, dalle statistiche sui tassi di vaccinazione contro il morbillo e le epidemie dai Centri per il controllo e la prevenzione delle malattie, così come i dati sanitari non tradizionali, inclusi i social media e i dati di sorveglianza sindromica generati da software che estrae una vasta gamma di fonti di documentazione medica, un algoritmo può fornire una mappa affidabile dei futuri punti focali per l'epidemia di morbillo.
